Hodnotenie:
Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 10 hlasoch.
Applied Reinforcement Learning with Python: With Openai Gym, Tensorflow, and Keras
Kapitola 1: Úvod do posilňovania učeniaCieľ kapitoly: Informovať čitateľa o histórii tejto oblasti, jej súčasných aplikáciách, ako aj všeobecne diskutovať o osnove textu a o tom, čo sa čitateľ môže naučiť Počet strán 10 Podtémy1. Čo je to posilňovanie učenia? 2. História posilňovania učenia 3. Aplikácie posilňovania učenia.
Kapitola 2: Algoritmy posilňovacieho učeniaCieľ kapitoly: Vytvoriť u čitateľa predstavu o tom, ako algoritmy posilňovacieho učenia fungujú a ako sa líšia od základných metód ML/DL. Praktické príklady, ktoré budú uvedené v tejto kapitole.
Počet strán: 50.
Podtémy 1. Tabuľkové metódy riešenia2. Približné metódy riešenia.
Kapitola 3: Q učenie Cieľ kapitoly: V tejto kapitole budú čitatelia pokračovať v porozumení RL riešením úloh v diskrétnych akčných priestoroch Počet strán: 1. Riešenie úloh v diskrétnych akčných priestoroch: Čiastkové témy: 1. Riadenie úloh. 2. Riadenie úloh. 3. Riadenie úloh. 4. Riadenie úloh: 1. Hlboké Q siete2. Dvojité hlboké Q učenie.
Kapitola 4: Tvorba trhu na základe posilňovacieho učenia Cieľ kapitoly: V tejto kapitole sa zameriame na finančný prípad použitia, konkrétne na tvorbu trhu, v ktorom musíme kúpiť a predať finančný nástroj za ľubovoľnú cenu. Na tento súbor údajov aplikujeme prístup posilneného učenia a zistíme, ako sa správa v čase č strán: 50Sub - Témy: 1. Tvorba trhu 2. AWS/Google Cloud3. Cron.
Kapitola 5: Posilňovacie učenie pre videohry Cieľ kapitoly: V tejto kapitole sa zameriame na všeobecnejší prípad použitia posilňovacieho učenia, v ktorom naučíme algoritmus úspešne hrať hru proti počítačovej umelej inteligencii. Počet strán: 50Sub - Témy: 1. Pozadie hry a zber údajov.
© Book1 Group - všetky práva vyhradené.
Obsah tejto stránky nesmie byť kopírovaný ani použitý čiastočne alebo v celku bez písomného súhlasu vlastníka.
Posledná úprava: 2024.11.13 22:11 (GMT)