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 ماشین 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 فقط آغاز است.
با این کتاب عملی، امکانهای یادگیری ماشینی مبتنی بر شبیهسازی و سنتز و هوش مصنوعی را بررسی خواهید کرد، و بر یادگیری تقویتی عمیق و تکنیکهای یادگیری تقلید تمرکز میکنید. 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:
- رویکردی برای حل مشکلات ML و AI طراحی کنید با استفاده از شبیه سازی با موتور Unity
- از یک موتور بازی برای ترکیب تصاویر برای استفاده به عنوان داده های آموزشی استفاده کنید
- ایجاد محیطهای شبیهسازی طراحیشده برای آموزش یادگیری تقویتی عمیق و مدلهای یادگیری تقلیدی
- استفاده و به کارگیری عمومی کارآمد الگوریتمهای هدف برای ML مبتنی بر شبیهسازی، مانند بهینهسازی سیاست پروگزیمال
- آموزش انواع مدلهای ML با استفاده از رویکردهای مختلف
- فعال کردن ابزارهای ML برای کار با ابزارهای استاندارد توسعه بازی با استفاده از PyTorch و Unity ML-Agents و 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.