Connecting readers with great books since 1972! Used textbooks may not include companion materials such as access codes, etc. May have some wear or writing/highlighting. We ship orders daily and Customer Service is our top priority!

N� de ref. del art�culo S_433640053

Contactar al vendedor

Denunciar este art�culo

Detalles bibliogr�ficos

T�tulo: The Reinforcement Learning Workshop: Learn how to apply cutting-edge reinforcement learning algorithms to a wide range of control problems
Editor: Packt Publishing - ebooks Accoun
Fecha de publicaci�n: 2020
Idioma: Ingl�s
ISBN 10: 1800200455
ISBN 13: 9781800200456
Encuadernaci�n: paperback
Estado: Good

Acerca de

Sinopsis

Start with the basics of reinforcement learning and explore deep learning concepts such as deep Q-learning, deep recurrent Q-networks, and policy-based methods with this practical guide

Key Features

Use TensorFlow to write reinforcement learning agents for performing challenging tasks
Learn how to solve finite Markov decision problems
Train models to understand popular video games like Breakout

Book Description

Various intelligent applications such as video games, inventory management software, warehouse robots, and translation tools use reinforcement learning (RL) to make decisions and perform actions that maximize the probability of the desired outcome. This book will help you to get to grips with the techniques and the algorithms for implementing RL in your machine learning models.

Starting with an introduction to RL, you’ll be guided through different RL environments and frameworks. You’ll learn how to implement your own custom environments and use OpenAI baselines to run RL algorithms. Once you’ve explored classic RL techniques such as Dynamic Programming, Monte Carlo, and TD Learning, you’ll understand when to apply the different deep learning methods in RL and advance to deep Q-learning. The book will even help you understand the different stages of machine-based problem-solving by using DARQN on a popular video game Breakout. Finally, you’ll find out when to use a policy-based method to tackle an RL problem.

By the end of The Reinforcement Learning Workshop, you’ll be equipped with the knowledge and skills needed to solve challenging problems using reinforcement learning.

What you will learn

Use OpenAI Gym as a framework to implement RL environments
Find out how to define and implement reward function
Explore Markov chain, Markov decision process, and the Bellman equation
Distinguish between Dynamic Programming, Monte Carlo, and Temporal Difference Learning
Understand the multi-armed bandit problem and explore various strategies to solve it
Build a deep Q model network for playing the video game Breakout

Who this book is for

If you are a data scientist, machine learning enthusiast, or a Python developer who wants to learn basic to advanced deep reinforcement learning algorithms, this workshop is for you. A basic understanding of the Python language is necessary.

Acerca de los autores

Alessandro Palmas is an aerospace engineer with more than 7 years of proven expertise in software development for advanced scientific applications and complex software systems. As the R&D head in an aerospace & defense Italian SME, he coordinates projects in contexts ranging from space flight dynamics to machine learning-based autonomous systems. His main ML focus is on computer vision, 3D models, volumetric networks, and deep reinforcement learning. He also founded innovative initiatives, his last being Artificial Twin, which provides advanced technologies for machine learning, physical modeling, and computational geometry applications. Two key areas in which current Artificial Twin deep RL work is focused on are video games entertainment, and guidance, navigation & control systems.

Emanuele Ghelfi is a computer science and machine learning engineer. He received an M.Sc. degree in computer science and engineering at Politecnico di Milano in December 2018. In his thesis, he proposed a new RL algorithm for an MDP extension. The paper from the thesis got accepted at ICML 2019. He's an organizer of the community data science and artificial intelligence in Parma. Emanuele presented tutorials about generative adversarial networks at conferences like PyCon X (Florence) and EuroSciPy (Bilbao). He is also a developer of the machine learning package AshPy, available on GitHub and PyPi.

Dr. Alexandra Galina Petre is a machine learning and data science expert, currently leading and teaching various engineering modules in Coventry, United Kingdom. Her leadership and management experience is linked to her work in quality management for the Airbus A380 and her IET membership. She received her Ph.D. in user feedback-based reinforcement learning for vehicle comfort control with a focus on revolutionary heating ventilation and air conditioning SARSA-based control systems that can learn from the driver's preferential changes to the UI. Her research is focusing on how thermal comfort depends on the occupant's inclination to manual control as outlined in the SAE paper published in 2019, and the development of a novel Java-based user model (UBL) integrated within a car cabin environment. She is working on deep RL implementations in Python and R-based statistical developments within various automation and control projects.

"Sobre este t�tulo" puede pertenecer a otra edici�n de este libro.

Descripci�n de la librer�a

Half Price Books has been connecting readers to great books since 1972. Customer service is our top priority.

Ver la p�gina web de la librer�a

Informaci�n empresarial del vendedor

Half Price Books, Records, Magazines, Inc.
5803 E. Northwest Hwy., Dallas, TX, 75231, U.S.A.

Condiciones de venta y env�o

Condiciones de venta

Derecho a cancelaci�n

Si eres un consumidor puedes cancelar el presente contrato de acuerdo con lo indicado a continuaci�n. Son consumidores las personas f�sicas que act�en con un prop�sito ajeno a su actividad comercial, empresarial, oficio o profesi�n.

Documento de informaci�n al consumidor y usuario sobre el desistimiento

Derecho de desistimiento:

Tienes derecho a desistir del presente contrato en un plazo de 14 d�as naturales sin necesidad de justificaci�n.

El plazo de desistimiento expirar� a los 14 d�as naturales del d�a en que t� o un tercero que hayas indicado, distinto del transportista, adquiera la posesi�n material del �ltimo bien, componente o pieza.

Para ejercer el derecho de desistimiento, deber�s notificarnos a HPB-Red, 5803 E. Northwest Hwy., 75231, Dallas, Texas, U.S.A., +1 214-819-9556, de tu decisi�n de desistir del contrato a trav�s de una declaraci�n inequ�voca (por ejemplo, una carta enviada por correo postal, fax o correo electr�nico). Podr�s utilizar el modelo de formulario de desistimiento que figura a continuaci�n, aunque su uso no es obligatorio. Tienes asimismo la opci�n de cumplimentar y enviar electr�nicamente el modelo de formulario de desistimiento o cualquier otra declaraci�n inequ�voca a trav�s de nuestro sitio web a "Mis pedidos" en "Mi cuenta". Si recurres a esta opci�n, te comunicaremos sin demora en un soporte duradero (por ejemplo, por correo electr�nico) la recepci�n de dicho desistimiento.

Para cumplir el plazo de desistimiento, basta con que la comunicaci�n relativa al ejercicio por tu parte de este derecho sea enviada antes de que venza el plazo correspondiente.

Consecuencias del desistimiento:

En caso de desistimiento por tu parte, te devolveremos todos los pagos recibidos de ti, incluidos los gastos de entrega (con la excepci�n de los gastos adicionales resultantes de la elecci�n por tu parte de una modalidad de entrega diferente a la modalidad menos costosa de entrega ordinaria que ofrezcamos) sin ninguna demora indebida y, en todo caso, a m�s tardar 14 d�as naturales a partir de la fecha en la que se nos informes de tu decisi�n de desistir del presente contrato. Procederemos a efectuar dicho reembolso utilizando el mismo medio de pago empleado por ti para la transacci�n inicial, a no ser que hayas dispuesto expresamente lo contrario; en todo caso, no incurrir�s en ning�n gasto como consecuencia del reembolso.

Podremos retenerte el reembolso hasta haber recibido los bienes, o hasta que hayas presentado una prueba de la devoluci�n de los mismos, seg�n qu� condici�n se cumpla primero. Deber�s devolvernos o entregarnos directamente los bienes a HPB-Red, 3860 La Reunion Pkwy., 75212, Dallas, Texas, U.S.A., +1 214-819-9556, sin ninguna demora indebida y, en cualquier caso, a m�s tardar en el plazo de 14 d�as naturales a partir de la fecha en que nos comuniques tu decisi�n de desistimiento del contrato. Se considerar� cumplido el plazo si efect�as la devoluci�n de los bienes antes de que haya concluido dicho plazo. Deber�s asumir el coste directo de devoluci�n de los bienes. Solo ser�s responsable de la disminuci�n de valor de los bienes resultante de una manipulaci�n distinta a la necesaria para establecer la naturaleza, las caracter�sticas y el funcionamiento de los bienes.

Excepciones al derecho de desistimiento:

La entrega de peri�dicos, publicaciones especializadas o revistas con la excepci�n de contratos de suscripci�n; y
La entrega de contenido digital (incluyendo apps, MP3, etc.) que no hubiera sido entregado en un medio tangible (por ejemplo: CD o DVD), si al realizar tu pedido has aceptado que podemos proceder al env�o del producto y que no resulta posible su cancelaci�n una vez comienza la entrega.

Modelo de formulario de desistimiento

(S�lo debe cumplimentar y enviar el presente formulario si desea desistir del contrato)

A la atenci�n de: (HPB-Red, 5803 E. Northwest Hwy., 75231, Dallas, Texas, U.S.A., +1 214-819-9556)

Por la presente le comunico/comunicamos* que desisto de mi/desistimos de nuestro* contrato de venta del siguiente bien/prestaci�n del siguiente servicio*

Pedido el/recibido el*:

Nombre del consumidor y usuario o de los consumidores y usuarios:

Domicilio del consumidor y usuario o de los consumidores y usuarios:

Firma del consumidor y usuario o de los consumidores y usuarios (solo si el presente formulario se presenta en papel):

Fecha:

* Eliminar en su caso

Condiciones de env�o

Tarifas de env�o en Estados Unidos de America

Tarifas de env�o en Estados Unidos de America
Cantidad del pedido	De 4 a 14 d�as h�biles	De 2 a 6 d�as h�biles
Primer art�culo	EUR 3.18	EUR 5.93

Los plazos de entrega los establecen los vendedores y var�an seg�n el transportista y la ubicaci�n. Los pedidos que pasan por la aduana pueden sufrir retrasos y los compradores son responsables de los aranceles o tarifas asociadas. Los vendedores pueden ponerse en contacto con usted en relaci�n con cargos adicionales para cubrir cualquier aumento en los costes de env�o de los art�culos.