توضیحات
Simulation and synthesis are core parts of the future of AI and machine learning. Consider: programmers, data scientists, and machine learning engineers can create the brain of a self-driving car without the car. Rather than use information from the real world, you can synthesize artificial data using simulations to train traditional machine learning models. That’s just the beginning.
With this practical book, you’ll explore the possibilities of simulation- and synthesis-based machine learning and AI, concentrating on deep reinforcement learning and imitation learning techniques. AI and ML are increasingly data driven, and simulations are a powerful, engaging way to unlock their full potential.
You’ll learn how to:
Design an approach for solving ML and AI problems using simulations with the Unity engine
Use a game engine to synthesize images for use as training data
Create simulation environments designed for training deep reinforcement learning and imitation learning models
Use and apply efficient general-purpose algorithms for simulation-based ML, such as proximal policy optimization
Train a variety of ML models using different approaches
Enable ML tools to work with industry-standard game development tools, using PyTorch, and the Unity ML-Agents and Perception Toolkits
————————————————————–
ترجمه ماشینی :
شبیهسازی و سنتز بخشهای اصلی آینده هوش مصنوعی و یادگیری ماشینی هستند. در نظر بگیرید: برنامه نویسان، دانشمندان داده و مهندسان یادگیری ماشین می توانند مغز یک ماشین خودران را بدون ماشین ایجاد کنند. به جای استفاده از اطلاعات دنیای واقعی، میتوانید دادههای مصنوعی را با استفاده از شبیهسازی برای آموزش مدلهای یادگیری ماشین سنتی ترکیب کنید. این تازه شروع است. با این کتاب عملی، امکانهای یادگیری ماشینی مبتنی بر شبیهسازی و سنتز و هوش مصنوعی را با تمرکز بر یادگیری تقویتی عمیق و تکنیکهای یادگیری تقلید کشف خواهید کرد. هوش مصنوعی و ML به طور فزاینده ای مبتنی بر داده ها هستند و شبیه سازی ها روشی قدرتمند و جذاب برای باز کردن پتانسیل کامل آنها هستند. شما یاد خواهید گرفت که چگونه: طراحی رویکردی برای حل مشکلات ML و AI با استفاده از شبیه سازی با موتور Unity استفاده از یک موتور بازی برای ترکیب تصاویر برای استفاده به عنوان داده های آموزشی ایجاد محیط های شبیه سازی طراحی شده برای آموزش تقویت عمیق یادگیری و تقلید مدلهای یادگیری استفاده و اعمال الگوریتمهای همهمنظوره کارآمد برای ML مبتنی بر شبیهسازی، مانند بهینهسازی خط مشی پروگزیمال آموزش انواع مدلهای ML با استفاده از رویکردهای مختلف ابزارهای ML را برای کار با ابزارهای توسعه بازی استاندارد صنعتی، با استفاده از PyTorch، و Unity ML-Agents and Perception Toolkits
tag : دانلود کتاب شبیه سازی های عملی برای یادگیری ماشین: استفاده از داده های مصنوعی برای هوش مصنوعی , Download شبیه سازی های عملی برای یادگیری ماشین: استفاده از داده های مصنوعی برای هوش مصنوعی , دانلود شبیه سازی های عملی برای یادگیری ماشین: استفاده از داده های مصنوعی برای هوش مصنوعی , Download Practical Simulations for Machine Learning: Using Synthetic Data for AI Book , شبیه سازی های عملی برای یادگیری ماشین: استفاده از داده های مصنوعی برای هوش مصنوعی دانلود , buy شبیه سازی های عملی برای یادگیری ماشین: استفاده از داده های مصنوعی برای هوش مصنوعی , خرید کتاب شبیه سازی های عملی برای یادگیری ماشین: استفاده از داده های مصنوعی برای هوش مصنوعی , دانلود کتاب Practical Simulations for Machine Learning: Using Synthetic Data for AI , کتاب Practical Simulations for Machine Learning: Using Synthetic Data for AI , دانلود Practical Simulations for Machine Learning: Using Synthetic Data for AI , خرید Practical Simulations for Machine Learning: Using Synthetic Data for AI , خرید کتاب Practical Simulations for Machine Learning: Using Synthetic Data for AI ,

نقد و بررسیها
هنوز بررسیای ثبت نشده است.