Aprendizaje profundo por refuerzo. Teoría y práctica en Python

Aprendizaje profundo por refuerzo: teoría y práctica de Laura Graesser y Wah Loon Keng

¿Está interesado en combinar el poder del aprendizaje profundo con el aprendizaje por refuerzo? Este libro ofrece un enfoque profundo y práctico para este apasionante campo del aprendizaje automático. Aprenderá cómo los agentes virtuales aprenden a resolver tareas secuenciales y a tomar decisiones óptimas.

Avances revolucionarios en el aprendizaje de agentes virtuales

Las últimas décadas han estado marcadas por logros extraordinarios en el ámbito del aprendizaje de agentes que interactúan con diversos entornos. Desde juegos de un solo jugador y multijugador hasta videojuegos de Atari y Dota, e incluso en robótica – el aprendizaje por refuerzo demuestra su enorme potencial.

Enfoque único: teoría y práctica del aprendizaje profundo por refuerzo

Este libro es una combinación única de teoría y práctica. Laura Graesser y Wah Loon Keng comienzan con conceptos básicos, explicando gradual y detalladamente la teoría y los algoritmos del aprendizaje profundo por refuerzo. Se presta especial atención a la implementación práctica: todos los conceptos se demuestran mediante ejemplos y la biblioteca de software SLM Lab.

Aplicación práctica y la biblioteca SLM Lab

Los autores, Laura Graesser y Wah Loon Keng, no solo explican la teoría, sino que también muestran cómo aplicar el aprendizaje profundo por refuerzo en la práctica. Dominará el uso de la biblioteca SLM Lab, lo que le permitirá desarrollar y entrenar agentes inteligentes por su cuenta.

¿Para quién es este libro?

Esta guía es ideal para estudiantes de ciencias de la computación y desarrolladores de software familiarizados con los principios básicos del aprendizaje automático y que dominan Python. El libro será un excelente recurso para quienes deseen dominar el aprendizaje profundo por refuerzo y aplicarlo en sus proyectos.