دانلود کتاب Deep Reinforcement Learning Hands-On: Apply modern RL methods to practical problems of chatbots, robotics, discrete optimization, web automation, and more, 2nd Edition – آموزش عملی تقویت عمیق: روش‌های مدرن RL را برای مشکلات عملی ربات‌های گفتگو، روباتیک، بهینه‌سازی گسسته، اتوماسیون وب و موارد دیگر، به‌کارگیری نسخه دوم

توضیحات

New edition of the bestselling guide to deep reinforcement learning and how it’s used to solve complex real-world problems. Revised and expanded to include multi-agent methods, discrete optimization, RL in robotics, advanced exploration techniques, and more

Key Features

• Second edition of the bestselling introduction to deep reinforcement learning, expanded with six new chapters
• Learn advanced exploration techniques including noisy networks, pseudo-count, and network distillation methods
• Apply RL methods to cheap hardware robotics platforms

Book Description

Deep Reinforcement Learning Hands-On, Second Edition is an updated and expanded version of the bestselling guide to the very latest reinforcement learning (RL) tools and techniques. It provides you with an introduction to the fundamentals of RL, along with the hands-on ability to code intelligent learning agents to perform a range of practical tasks.

With six new chapters devoted to a variety of up-to-the-minute developments in RL, including discrete optimization (solving the Rubik’s Cube), multi-agent methods, Microsoft’s TextWorld environment, advanced exploration techniques, and more, you will come away from this book with a deep understanding of the latest innovations in this emerging field.

In addition, you will gain actionable insights into such topic areas as deep Q-networks, policy gradient methods, continuous control problems, and highly scalable, non-gradient methods. You will also discover how to build a real hardware robot trained with RL for less than $100 and solve the Pong environment in just 30 minutes of training using step-by-step code optimization.

In short, Deep Reinforcement Learning Hands-On, Second Edition, is your companion to navigating the exciting complexities of RL as it helps you attain experience and knowledge through real-world examples.

What you will learn

• Understand the deep learning context of RL and implement complex deep learning models
• Evaluate RL methods including cross-entropy, DQN, actor-critic, TRPO, PPO, DDPG, D4PG, and others
• Build a practical hardware robot trained with RL methods for less than $100
• Discover Microsoft’s TextWorld environment, which is an interactive fiction games platform
• Use discrete optimization in RL to solve a Rubik’s Cube
• Teach your agent to play Connect 4 using AlphaGo Zero
• Explore the very latest deep RL research on topics including AI chatbots
• Discover advanced exploration techniques, including noisy networks and network distillation techniques

Who this book is for

Some fluency in Python is assumed. Sound understanding of the fundamentals of deep learning will be helpful. This book is an introduction to deep RL and requires no background in RL

Table of Contents

1. What Is Reinforcement Learning?
2. OpenAI Gym
3. Deep Learning with PyTorch
4. The Cross-Entropy Method
5. Tabular Learning and the Bellman Equation
6. Deep Q-Networks
7. Higher-Level RL libraries
8. DQN Extensions
9. Ways to Speed up RL
10. Stocks Trading Using RL
11. Policy Gradients an Alternative
12. The Actor-Critic Method
13. Asynchronous Advantage Actor-Critic
14. Training Chatbots with RL
15. The TextWorld environment
16. Web Navigation
17. Continuous Action Space
18. RL in Robotics
19. Trust Regions PPO, TRPO, ACKTR, and SAC
20. Black-Box Optimization in RL
21. Advanced exploration
22. Beyond Model-Free Imagination
23. AlphaGo Zero
24. RL in Discrete Optimisation
25. Multi-agent RL

————————————————————–

ترجمه ماشینی :

نسخه جدید راهنمای پرفروش یادگیری تقویتی عمیق و نحوه استفاده از آن برای حل مسائل پیچیده دنیای واقعی. بازبینی و گسترش یافت تا شامل روش‌های چند عاملی، بهینه‌سازی گسسته، RL در رباتیک، تکنیک‌های اکتشاف پیشرفته و موارد دیگر شود

ویژگی‌های کلیدی

• ویرایش دوم معرفی پرفروش یادگیری تقویتی عمیق، با شش فصل جدید گسترش یافته است
• تکنیک های اکتشافی پیشرفته از جمله شبکه های پر سر و صدا، شبه شمارش و روش های تقطیر شبکه را بیاموزید
• روش های RL را برای پلتفرم های رباتیک سخت افزاری ارزان به کار ببرید.

توضیحات کتاب

Deep Reinforcement Learning Hands-On, Second Edition نسخه به روز شده و توسعه یافته راهنمای پرفروش جدیدترین ابزارهای یادگیری تقویتی (RL) و تکنیک. مقدمه ای بر اصول RL به همراه توانایی عملی برای کدنویسی عوامل یادگیری هوشمند برای انجام طیف وسیعی از وظایف عملی در اختیار شما قرار می دهد.

با شش فصل جدید اختصاص داده شده به انواع پیشرفت های به روز در RL، از جمله بهینه سازی گسسته (حل مکعب روبیک)، روش های چند عاملی، محیط TextWorld مایکروسافت، تکنیک های کاوش پیشرفته، و بیشتر، با درک عمیقی از آخرین نوآوری ها در این زمینه نوظهور، از این کتاب دور خواهید شد.

علاوه بر این، در زمینه‌های موضوعی مانند شبکه‌های Q عمیق، روش‌های گرادیان خط‌مشی، مشکلات کنترل مستمر، و روش‌های غیر گرادیان بسیار مقیاس‌پذیر، بینش‌های عملی به دست خواهید آورد. همچنین خواهید فهمید که چگونه یک ربات سخت افزاری واقعی آموزش دیده با RL با کمتر از 100 دلار بسازید و محیط Pong را تنها در 30 دقیقه آموزش با استفاده از بهینه سازی کد گام به گام حل کنید.

به طور خلاصه، Deep Reinforcement Learning Hands-On، نسخه دوم، همراه شما برای پیمایش پیچیدگی های هیجان انگیز RL است زی

tag : دانلود کتاب آموزش عملی تقویت عمیق: روش‌های مدرن RL را برای مشکلات عملی ربات‌های گفتگو، روباتیک، بهینه‌سازی گسسته، اتوماسیون وب و موارد دیگر، به‌کارگیری نسخه دوم , Download آموزش عملی تقویت عمیق: روش‌های مدرن RL را برای مشکلات عملی ربات‌های گفتگو، روباتیک، بهینه‌سازی گسسته، اتوماسیون وب و موارد دیگر، به‌کارگیری نسخه دوم , دانلود آموزش عملی تقویت عمیق: روش‌های مدرن RL را برای مشکلات عملی ربات‌های گفتگو، روباتیک، بهینه‌سازی گسسته، اتوماسیون وب و موارد دیگر، به‌کارگیری نسخه دوم , Download Deep Reinforcement Learning Hands-On: Apply modern RL methods to practical problems of chatbots, robotics, discrete optimization, web automation, and more, 2nd Edition Book , آموزش عملی تقویت عمیق: روش‌های مدرن RL را برای مشکلات عملی ربات‌های گفتگو، روباتیک، بهینه‌سازی گسسته، اتوماسیون وب و موارد دیگر، به‌کارگیری نسخه دوم دانلود , buy آموزش عملی تقویت عمیق: روش‌های مدرن RL را برای مشکلات عملی ربات‌های گفتگو، روباتیک، بهینه‌سازی گسسته، اتوماسیون وب و موارد دیگر، به‌کارگیری نسخه دوم , خرید کتاب آموزش عملی تقویت عمیق: روش‌های مدرن RL را برای مشکلات عملی ربات‌های گفتگو، روباتیک، بهینه‌سازی گسسته، اتوماسیون وب و موارد دیگر، به‌کارگیری نسخه دوم , دانلود کتاب Deep Reinforcement Learning Hands-On: Apply modern RL methods to practical problems of chatbots, robotics, discrete optimization, web automation, and more, 2nd Edition , کتاب Deep Reinforcement Learning Hands-On: Apply modern RL methods to practical problems of chatbots, robotics, discrete optimization, web automation, and more, 2nd Edition , دانلود Deep Reinforcement Learning Hands-On: Apply modern RL methods to practical problems of chatbots, robotics, discrete optimization, web automation, and more, 2nd Edition , خرید Deep Reinforcement Learning Hands-On: Apply modern RL methods to practical problems of chatbots, robotics, discrete optimization, web automation, and more, 2nd Edition , خرید کتاب Deep Reinforcement Learning Hands-On: Apply modern RL methods to practical problems of chatbots, robotics, discrete optimization, web automation, and more, 2nd Edition ,