Apprendimento rinforzato profondo in azione

Recensioni dei lettori

Il libro offre un'introduzione completa alle moderne tecniche di apprendimento per rinforzo (RL), trattando argomenti convenzionali e non. Sebbene sia ben scritto e fornisca preziose informazioni sui vari algoritmi di RL, soffre di problemi significativi nell'esecuzione del codice e nell'editing tecnico.

Descrizione precisa e ben scritta dei moderni algoritmi di RL, adatta ai professionisti. Copre un'ampia gamma di argomenti, tra cui tecniche di base e avanzate, utilizzando librerie standard come PyTorch, NumPy e OpenAI Gym. Incoraggia la sperimentazione e la comprensione dei concetti fondamentali.

Gli esempi di codice non funzionano, causando frustrazione nei lettori. Alcuni utenti hanno riferito di aver abbandonato il libro a causa del codice mal spiegato e della mancanza di correlazione con le risorse di GitHub. Necessita di un'accurata revisione tecnica per migliorare l'usabilità.

(basato su 3 recensioni dei lettori)

Titolo originale:

Deep Reinforcement Learning in Action

Contenuto del libro:

Gli esseri umani imparano meglio grazie al feedback: siamo incoraggiati a intraprendere azioni che portano a risultati positivi, mentre siamo scoraggiati da decisioni con conseguenze negative. Questo processo di rinforzo può essere applicato ai programmi informatici, consentendo loro di risolvere problemi più complessi che la programmazione classica non è in grado di risolvere.

Deep Reinforcement Learning in Action vi insegna i concetti fondamentali e la terminologia del deep reinforcement learning, insieme alle competenze e alle tecniche pratiche necessarie per implementarlo nei vostri progetti.

L'acquisto del libro stampato include un eBook gratuito nei formati PDF, Kindle e ePub di Manning Publications.