Einstieg in Deep Reinforcement Learning

- Grundlegende Konzepte und Terminologie
- Praktischer Einsatz mit PyTorch
- Projekte umsetzen

Dieses Buch zeigt Ihnen, wie Sie Agenten programmieren, die basierend auf direktem Feedback aus ihrer Umgebung selbststandig lernen und sich dabei verbessern. Sie werden Netzwerke mit dem beliebten PyTorch-Deep-Learning-Framework aufbauen, um bestarkende Lernalgorithmen zu erforschen. Diese reichen von Deep-Q-Networks uber Methoden zur Gradientenmethode bis hin zu evolutionaren Algorithmen.
Im weiteren Verlauf des Buches wenden Sie Ihre Kenntnisse in praktischen Projekten wie der Steuerung simulierter Roboter, der Automatisierung von Borsengeschaften oder dem Aufbau eines Spiel-Bots an.

Aus dem Inhalt:
- Strukturierungsprobleme als Markov-Entscheidungsprozesse
- Beliebte Algorithmen wie Deep Q-Networks, Policy Gradient-Methode und Evolutionare Algorithmen und die Intuitionen, die sie antreiben
- Anwendung von Verstarkungslernalgorithmen auf reale Probleme

Dettagli