Apprentissage par renforcement pour des problèmes réels. Approche d'ingénierie
A

Apprentissage par renforcement pour des problèmes réels. Approche d'ingénierie

Algorithmes
reinforcement learning engineering approach Markov decision processes deep Q-networks policy gradients industrial applications practical implementation
Auteur
Фил Уиндер
Éditeur
БХВ-Петербург
Année
2023
Langue
Russe
45
Évaluer ce livre

Pour lire le livre, se connecter / s'inscrire

Aperçu du fragment

Livres similaires

Apprentissage par renforcement : Introduction. Deuxième édition

Apprentissage par renforcement : Introduction. Deuxième édition

Ричард С. Саттон, Эндрю Дж. Барто

Apprentissage par renforcement profond : théorie et pratique en Python

Apprentissage par renforcement profond : théorie et pratique en Python

Лаура Грессер, Ван Лун Кенг

Apprentissage par renforcement avec PyTorch : recueil de recettes

Apprentissage par renforcement avec PyTorch : recueil de recettes

Юси (Хэйден) Лю

Algorithmes d'apprentissage par renforcement en Python. Description et développement d'algorithmes d'intelligence artificielle

Algorithmes d'apprentissage par renforcement en Python. Description et développement d'algorithmes d'intelligence artificielle

Андреа Лонца

Machine Learning et Intelligence Artificielle Appliqués pour les Ingénieurs

Machine Learning et Intelligence Artificielle Appliqués pour les Ingénieurs

Джефф Просиз

Apprentissage automatique avec peu de codage

Apprentissage automatique avec peu de codage

Гвендолин Стриплинг, Майкл Абель

Conception de systèmes d'apprentissage automatique

Conception de systèmes d'apprentissage automatique

Чип Хьюен (Chip Huyen)

Apprentissage profond du point de vue pratique

Apprentissage profond du point de vue pratique

Джош Паттерсон, Адам Гибсон

Apprentissage automatique. Science et art de la conception d'algorithmes qui extraient des connaissances à partir des données.

Apprentissage automatique. Science et art de la conception d'algorithmes qui extraient des connaissances à partir des données.

Петер Флах (Peter Flach)

Machine Learning sans fioritures

Machine Learning sans fioritures

Андрей Бурков