Alle wichtigen Methoden und Algorithmen praxisnah erläutert mit Codebeispielen in Python
Selbstständig lernende Agenten programmieren für die Steuerung von Robotern NLP in
interaktiven Spielen Chatbots und mehr Deep Q-Networks Wertiteration Policy Gradients Trust
Region Policy Optimization (TRPO) genetische Algorithmen moderne Explorationsverfahren u.v.m.
Reinforcement Learning ist ein Teilgebiet des Machine Learnings. Hierbei werden selbstständig
lernende Agenten programmiert deren Lernvorgang ausschließlich durch ein Belohnungssystem und
die Beobachtung der Umgebung gesteuert wird. In diesem umfassenden Praxis-Handbuch zeigt Ihnen
Maxim Lapan wie Sie diese zukunftsweisende Technologie in der Praxis einsetzen. Sie lernen
wie Sie passende RL-Methoden für Ihre Problemstellung auswählen und mithilfe von
Deep-Learning-Methoden Agenten für verschiedene Aufgaben trainieren wie zum Beispiel für das
Lösen eines Zauberwürfels für Natural Language Processing in Microsofts TextWorld-Umgebung
oder zur Realisierung moderner Chatbots. Alle Beispiele sind so gewählt dass sie leicht
verständlich sind und Sie diese auch ohne Zugang zu sehr großer Rechenleistung umsetzen können.
Unter Einsatz von Python und der Bibliothek PyTorch ermöglicht Ihnen der Autor so einen
einfachen und praktischen Einstieg in die Konzepte und Methoden des Reinforcement Learnings wie
Deep Q-Networks Wertiteration Policy Gradients Trust Region Policy Optimization (TRPO)
genetische Algorithmen und viele mehr. Es werden grundlegende Kenntnisse in Machine Learning
und Deep Learning sowie ein sicherer Umgang mit Python vorausgesetzt.Aus dem Inhalt:
Implementierung komplexer Deep-Learning-Modelle mit RL in tiefen neuronalen Netzen Ermitteln
der passenden RL-Methoden für verschiedene Problemstellungen darunter DQN Advantage Actor
Critic PPO TRPO DDPG D4PG und mehr Bauen und Trainieren eines kostengünstigen
Hardware-Roboters NLP in Microsofts TextWorld-Umgebung für interaktive Spiele Diskrete
Optimierung für das Lösen von Zauberwürfeln Trainieren von Agenten für Vier Gewinnt mittels
AlphaGo Zero Die neuesten Deep-RL-Methoden für Chatbots Moderne Explorationsverfahren wie
verrauschte Netze und Netz-Destillation
