Дубинско учење са појачањем: AlphaGo и друге технологије

Ова књига је свеобухватни водич кроз најновије алате за дубоко учење појачања и њихова ограничења. Имплементирамо и тестирамо методе унакрсне ентропије и Q-учења, као и градијенте политика. Разноврсна окружења за учење појачања (RL) се користе за експерименте, од класичних CartPole и GridWorld до Atari емулатора и окружења континуиране контроле (базираних на PyBullet и RoboSchool). Многи примери су засновани на нестандардним окружењима, где ћемо развити модел окружења од нуле. У овој књизи: • Научићете како се RL методе уклапају у контекст дубоког учења и имплементирати сложене моделе дубоког учења. • Научите основе RL: Марковљеве процесе одлучивања. • Размотрите примере имплементација RL метода: метод унакрсне ентропије, DQN, A3C, TRPO, PPO, DDPG, D4PG и друге. • Научите како да радите са дискретним и континуираним просторима акције у различитим окружењима. • Погледајте како да развијете систем који учи Atari игре користећи учење појачања. • Креирајте сопствено окружење засновано на OpenAI Gym моделу за обуку берзанског посредника. • Имплементирајте AlphaGo Zero метод за играње игре Connect4. • Упознајте се са применом RL у обради говора: научићете како да тренирате дијалошки бот на фразама из филмова.