Обучение с подкреплением для реальных задач. Инженерный подход
A

Обучение с подкреплением для реальных задач. Инженерный подход

Алгоритмы
reinforcement learning engineering approach Markov decision processes deep Q-networks policy gradients industrial applications practical implementation
Автор
Фил Уиндер
Издательство
БХВ-Петербург
Год
2023
Язык
Русский
40
Оцените книгу

Чтобы читать книгу, войдите / зарегистрируйтесь

Ознакомительный фрагмент

Похожие книги

Обучение с подкреплением: Введение. Второе издание

Обучение с подкреплением: Введение. Второе издание

Ричард С. Саттон, Эндрю Дж. Барто

Глубокое обучение с подкреплением: теория и практика на языке Python

Глубокое обучение с подкреплением: теория и практика на языке Python

Лаура Грессер, Ван Лун Кенг

Обучение с подкреплением на PyTorch: сборник рецептов

Обучение с подкреплением на PyTorch: сборник рецептов

Юси (Хэйден) Лю

Алгоритмы обучения с подкреплением на Python. Описание и разработка алгоритмов искусственного интеллекта

Алгоритмы обучения с подкреплением на Python. Описание и разработка алгоритмов искусственного интеллекта

Андреа Лонца

Прикладное машинное обучение и искусственный интеллект для инженеров

Прикладное машинное обучение и искусственный интеллект для инженеров

Джефф Просиз

Машинное обучение с малым объемом кодирования

Машинное обучение с малым объемом кодирования

Гвендолин Стриплинг, Майкл Абель

Проектирование систем машинного обучения

Проектирование систем машинного обучения

Чип Хьюен (Chip Huyen)

Глубокое обучение с точки зрения практика

Глубокое обучение с точки зрения практика

Джош Паттерсон, Адам Гибсон

Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных

Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных

Петер Флах (Peter Flach)

Машинное обучение без лишних слов

Машинное обучение без лишних слов

Андрей Бурков