Cantitate/Preț
Produs
Total produse
Vezi coșul
Reinforcement Learning de Richard S. Sutton

Reinforcement Learning: Adaptive Computation and Machine Learning series

Autor Richard S. Sutton, Andrew G. Barto Editat de Francis Bach
en Limba Engleză Hardback – 13 noi 2018

Prin parcurgerea acestui volum de referință, cititorul va implementa algoritmi capabili să maximizeze recompensele într-un mediu complex și incert, trecând de la fundamentele teoretice la arhitecturi de inteligență artificială aplicate. Observăm că Richard S. Sutton și Andrew G. Barto au structurat această a doua ediție a Reinforcement Learning ca pe un manual progresiv, eliminând barierele dintre cercetarea academică și ingineria practică. Prima parte a lucrării epuizează cazul tabular, oferind soluții exacte pentru probleme fundamentale prin algoritmi precum UCB sau Double Learning, în timp ce a doua parte extinde aceste concepte către aproximarea funcțiilor, utilizând rețele neuronale artificiale și baza Fourier. Cititorul care a aplicat ideile introductive din The Art of Reinforcement Learning va găsi aici rigoarea necesară pentru a trece la metode de gradient de politică (policy-gradient) și la învățarea off-policy. Stilul este unul tehnic și pragmatic; deși fundamentul matematic este solid, autorii au ales să izoleze demonstrațiile dense în casete separate pentru a nu fragmenta logica implementării. Suntem de părere că includerea studiilor de caz moderne, precum mecanismele din spatele AlphaGo Zero și jocurile Atari, transformă conceptele abstracte în repere concrete de performanță. Volumul nu se rezumă doar la cod și matematică, dedicând capitole noi relației dintre învățarea prin recompensă, psihologie și neuroștiințe, oferind astfel o viziune sistemică asupra modului în care agenții artificiali pot replica procese cognitive complexe.

Citește tot Restrânge

Din seria Adaptive Computation and Machine Learning series

Preț: 63965 lei

Preț vechi: 90804 lei
-30%

Puncte Express: 959

Carte disponibilă

Livrare economică 04-11 mai
Livrare express 17-23 aprilie pentru 8192 lei

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9780262039246
ISBN-10: 0262039249
Pagini: 552
Ilustrații: 64 color illus., 51 b 115 Illustrations, unspecified
Dimensiuni: 185 x 230 x 40 mm
Greutate: 1.3 kg
Ediția:2. Auflage
Editura: The MIT Press
Seria Adaptive Computation and Machine Learning series

De ce să citești această carte

Această carte este considerată „biblia” domeniului, fiind esențială pentru inginerii de date și cercetătorii în IA care vor să stăpânească mecanismele de învățare autonomă. Veți câștiga o înțelegere profundă a algoritmilor care stau la baza celor mai mari succese din tech, de la AlphaGo la sisteme de control industrial. Este resursa definitivă pentru a trece de la simpla utilizare a bibliotecilor software la proiectarea propriilor arhitecturi de învățare prin recompensă.

Despre autor

Richard S. Sutton este cercetător principal în cadrul Departamentului de Informatică al Universității din Massachusetts și este recunoscut la nivel mondial ca unul dintre fondatorii domeniului învățării prin recompensă (reinforcement learning). Alături de Andrew G. Barto, a definit limbajul și conceptele de bază care guvernează astăzi interacțiunea dintre agenții inteligenți și mediile lor. Contribuțiile sale în cadrul seriei Adaptive Computation and Machine Learning series de la The MIT Press au influențat generații de cercetători, munca sa fiind la intersecția dintre informatică, neuroștiințe și inteligență artificială.

Notă biografică

Richard S. Sutton is Professor of Computing Science and AITF Chair in Reinforcement Learning and Artificial Intelligence at the University of Alberta, and also Distinguished Research Scientist at DeepMind.

Andrew G. Barto is Professor Emeritus in the College of Computer and Information Sciences at the University of Massachusetts Amherst.

Descriere scurtă

The significantly expanded and updated new edition of a widely used text on reinforcement learning, one of the most active research areas in artificial intelligence. Reinforcement learning, one of the most active research areas in artificial intelligence, is a computational approach to learning whereby an agent tries to maximize the total amount of reward it receives while interacting with a complex, uncertain environment. In Reinforcement Learning, Richard Sutton and Andrew Barto provide a clear and simple account of the field's key ideas and algorithms. This second edition has been significantly expanded and updated, presenting new topics and updating coverage of other topics.
Like the first edition, this second edition focuses on core online learning algorithms, with the more mathematical material set off in shaded boxes. Part I covers as much of reinforcement learning as possible without going beyond the tabular case for which exact solutions can be found. Many algorithms presented in this part are new to the second edition, including UCB, Expected Sarsa, and Double Learning. Part II extends these ideas to function approximation, with new sections on such topics as artificial neural networks and the Fourier basis, and offers expanded treatment of off-policy learning and policy-gradient methods. Part III has new chapters on reinforcement learning's relationships to psychology and neuroscience, as well as an updated case-studies chapter including AlphaGo and AlphaGo Zero, Atari game playing, and IBM Watson's wagering strategy. The final chapter discusses the future societal impacts of reinforcement learning.