Reinforcement Learning für reale Aufgaben. Ein ingenieurwissenschaftlicher Ansatz
A

Reinforcement Learning für reale Aufgaben. Ein ingenieurwissenschaftlicher Ansatz

Algorithmen
reinforcement learning engineering approach Markov decision processes deep Q-networks policy gradients industrial applications practical implementation
Autor
Фил Уиндер
Verlag
БХВ-Петербург
Jahr
2023
Sprache
Russisch
38
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Reinforcement Learning: Eine Einführung. Zweite Auflage

Reinforcement Learning: Eine Einführung. Zweite Auflage

Ричард С. Саттон, Эндрю Дж. Барто

Deep Reinforcement Learning: Theorie und Praxis in Python

Deep Reinforcement Learning: Theorie und Praxis in Python

Лаура Грессер, Ван Лун Кенг

Reinforcement Learning mit PyTorch: Eine Rezeptsammlung

Reinforcement Learning mit PyTorch: Eine Rezeptsammlung

Юси (Хэйден) Лю

Reinforcement-Learning-Algorithmen in Python. Beschreibung und Entwicklung von KI-Algorithmen

Reinforcement-Learning-Algorithmen in Python. Beschreibung und Entwicklung von KI-Algorithmen

Андреа Лонца

Angewandtes maschinelles Lernen und künstliche Intelligenz für Ingenieure

Angewandtes maschinelles Lernen und künstliche Intelligenz für Ingenieure

Джефф Просиз

Maschinelles Lernen mit geringem Programmieraufwand

Maschinelles Lernen mit geringem Programmieraufwand

Гвендолин Стриплинг, Майкл Абель

Entwurf von Machine-Learning-Systemen

Entwurf von Machine-Learning-Systemen

Чип Хьюен (Chip Huyen)

Deep Learning aus der Sicht eines Praktikers

Deep Learning aus der Sicht eines Praktikers

Джош Паттерсон, Адам Гибсон

Maschinelles Lernen. Die Wissenschaft und Kunst, Algorithmen zu entwickeln, die Wissen aus Daten extrahieren.

Maschinelles Lernen. Die Wissenschaft und Kunst, Algorithmen zu entwickeln, die Wissen aus Daten extrahieren.

Петер Флах (Peter Flach)

Maschinelles Lernen ohne Umschweife

Maschinelles Lernen ohne Umschweife

Андрей Бурков