توضیحات
A practical guide to mastering reinforcement learning algorithms using Keras
Key Features
- Build projects across robotics, gaming, and finance fields, putting reinforcement learning (RL) into action
- Get to grips with Keras and practice on real-world unstructured datasets
- Uncover advanced deep learning algorithms such as Monte Carlo, Markov Decision, and Q-learning
Book Description
Reinforcement learning has evolved a lot in the last couple of years and proven to be a successful technique in building smart and intelligent AI networks. Keras Reinforcement Learning Projects installs human-level performance into your applications using algorithms and techniques of reinforcement learning, coupled with Keras, a faster experimental library.
The book begins with getting you up and running with the concepts of reinforcement learning using Keras. You’ll learn how to simulate a random walk using Markov chains and select the best portfolio using dynamic programming (DP) and Python. You’ll also explore projects such as forecasting stock prices using Monte Carlo methods, delivering vehicle routing application using Temporal Distance (TD) learning algorithms, and balancing a Rotating Mechanical System using Markov decision processes.
Once you’ve understood the basics, you’ll move on to Modeling of a Segway, running a robot control system using deep reinforcement learning, and building a handwritten digit recognition model in Python using an image dataset. Finally, you’ll excel in playing the board game Go with the help of Q-Learning and reinforcement learning algorithms.
By the end of this book, you’ll not only have developed hands-on training on concepts, algorithms, and techniques of reinforcement learning but also be all set to explore the world of AI.
What you will learn
- Practice the Markov decision process in prediction and betting evaluations
- Implement Monte Carlo methods to forecast environment behaviors
- Explore TD learning algorithms to manage warehouse operations
- Construct a Deep Q-Network using Python and Keras to control robot movements
- Apply reinforcement concepts to build a handwritten digit recognition model using an image dataset
- Address a game theory problem using Q-Learning and OpenAI Gym
Who this book is for
Keras Reinforcement Learning Projects is for you if you are data scientist, machine learning developer, or AI engineer who wants to understand the fundamentals of reinforcement learning by developing practical projects. Sound knowledge of machine learning and basic familiarity with Keras is useful to get the most out of this book
Table of Contents
- Overview of Keras Reinforcement Learning
- Simulating random walks
- Optimal Portfolio Selection
- Forecasting stock market prices
- Delivery Vehicle Routing Application
- Prediction and Betting Evaluations of coin flips using Markov decision processes
- Build an optimized vending machine using Dynamic Programming
- Robot control system using Deep Reinforcement Learning
- Handwritten Digit Recognizer
- Playing the board game Go
- What is next?
**
————————————————————–
ترجمه ماشینی :
راهنمای عملی برای تسلط بر الگوریتمهای یادگیری تقویتی با استفاده از Keras
ویژگیهای کلیدی
- ساخت پروژهها در رباتیک، بازی، و زمینه های مالی، اجرای یادگیری تقویتی (RL)
- با Keras آشنا شوید و روی مجموعه داده های بدون ساختار دنیای واقعی تمرین کنید
- الگوریتم های یادگیری عمیق پیشرفته مانند مونت کارلو را کشف کنید، تصمیم مارکوف و یادگیری Q
توضیحات کتاب
یادگیری تقویتی در چند سال اخیر بسیار تکامل یافته است و ثابت شده است که یک تکنیک موفق در ساخت شبکه های هوش مصنوعی هوشمند و هوشمند Keras Reinforcement Learning Projects با استفاده از الگوریتم ها و تکنیک های یادگیری تقویتی، همراه با Keras، یک کتابخانه آزمایشی سریعتر، عملکرد در سطح انسانی را در برنامه های شما نصب می کند.
این کتاب با آشنا کردن شما با مفاهیم یادگیری تقویتی با استفاده از Keras آغاز میشود. شما یاد خواهید گرفت که چگونه یک پیاده روی تصادفی را با استفاده از زنجیره های مارکوف شبیه سازی کنید و بهترین نمونه کارها را با استفاده از برنامه نویسی پویا (DP) و پایتون انتخاب کنید. همچنین پروژههایی مانند پیشبینی قیمت سهام با استفاده از روشهای مونت کارلو، ارائه برنامه مسیریابی وسیله نقلیه با استفاده از الگوریتمهای یادگیری فاصله زمانی (TD) و متعادل کردن یک سیستم مکانیکی چرخشی با استفاده از فرآیندهای تصمیمگیری مارکوف را بررسی خواهید کرد.
هنگامی که اصول اولیه را درک کردید، به سراغ مدلسازی سگوی میروید، یک سیستم کنترل ربات را با استفاده از یادگیری تقویتی عمیق اجرا میکنید، و یک مدل تشخیص رقم دستنویس در پایتون با استفاده از مجموعه داده تصویری میسازید. . در نهایت، در انجام بازی رومیزی Go با کمک الگوریتمهای یادگیری Q-Learning و تقویتی عالی خواهید بود.
در پایان این کتاب، شما نه تنها آموزش عملی در مورد مفاهیم، الگوریتمها و تکنیکهای یادگیری تقویتی خواهید داشت، بلکه برای کشف دنیای هوش مصنوعی نیز آماده خواهید بود.
آنچه یاد خواهید گرفت
- فرایند تصمیم مارکوف را در ارزیابیهای پیشبینی و شرطبندی تمرین کنید
- روشهای مونت کارلو را برای پیشبینی رفتارهای محیطی پیادهسازی کنید.
- الگوریتم های یادگیری TD را برای مدیریت عملیات انبار کاوش کنید
- یک شبکه Q عمیق با استفاده از Python و Keras برای کنترل حرکات ربات بسازید
- از مفاهیم تقویتی استفاده کنید با استفاده از مجموعه داده تصویری یک مدل تشخیص رقم دستنویس بسازید
- برطرف کردن یک مسئله نظریه بازی با استفاده از Q-Learning و OpenAI Gym
این کتاب برای چه کسی است
h4>
اگر دانشمند داده، توسعهدهنده یادگیری ماشین یا مهندس هوش مصنوعی هستید که میخواهید با توسعه پروژههای عملی، اصول یادگیری تقویتی را درک کنید، پروژههای یادگیری تقویتی Keras برای شما مناسب است. دانش کامل یادگیری ماشین و آشنایی اولیه با Keras برای استفاده حداکثری از این کتاب مفید است. li>
< li>پیش بینی و ارزیابی شرط بندی ورق سکه با استفاده از فرآیندهای تصمیم مارکوف
< li>دست نوشته تشخیص رقم
**
tag : دانلود کتاب پروژه های آموزشی تقویتی Keras , Download پروژه های آموزشی تقویتی Keras , دانلود پروژه های آموزشی تقویتی Keras , Download Keras Reinforcement Learning Projects Book , پروژه های آموزشی تقویتی Keras دانلود , buy پروژه های آموزشی تقویتی Keras , خرید کتاب پروژه های آموزشی تقویتی Keras , دانلود کتاب Keras Reinforcement Learning Projects , کتاب Keras Reinforcement Learning Projects , دانلود Keras Reinforcement Learning Projects , خرید Keras Reinforcement Learning Projects , خرید کتاب Keras Reinforcement Learning Projects ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.