Apprentissage profond par renforcement. Théorie et pratique en langage Python

Apprentissage profond par renforcement : théorie et pratique par Laura Graesser et Wah Loon Keng

Vous vous intéressez à la combinaison de la puissance de l'apprentissage profond et de l'apprentissage par renforcement ? Ce livre offre une approche approfondie et pratique de ce domaine passionnant de l'apprentissage automatique. Vous découvrirez comment des agents virtuels apprennent à résoudre des tâches séquentielles et à prendre des décisions optimales.

Avancées révolutionnaires dans l'apprentissage des agents virtuels

Les dernières décennies ont été marquées par des réalisations exceptionnelles dans le domaine de l'apprentissage des agents interagissant avec divers environnements. Des jeux solo et multijoueurs aux jeux vidéo Atari et Dota, et même en robotique – l'apprentissage par renforcement démontre son immense potentiel.

Une approche unique : théorie et pratique de l'apprentissage profond par renforcement

Ce livre est une combinaison unique de théorie et de pratique. Laura Graesser et Wah Loon Keng commencent par les bases, en expliquant progressivement et en détail la théorie et les algorithmes de l'apprentissage profond par renforcement. Une attention particulière est accordée à la mise en œuvre pratique – tous les concepts sont démontrés à l'aide d'exemples et de la bibliothèque logicielle SLM Lab.

Application pratique et bibliothèque SLM Lab

Les auteurs, Laura Graesser et Wah Loon Keng, ne se contentent pas de parler de théorie, ils montrent également comment appliquer l'apprentissage profond par renforcement en pratique. Vous maîtriserez l'utilisation de la bibliothèque SLM Lab, ce qui vous permettra de développer et de former vos propres agents intelligents.

À qui s'adresse ce livre ?

Ce guide est idéal pour les étudiants en informatique et les développeurs de logiciels familiers avec les principes de base de l'apprentissage automatique et maîtrisant Python. Le livre sera un excellent soutien pour ceux qui souhaitent maîtriser l'apprentissage profond par renforcement et l'appliquer dans leurs projets.