L'apprendimento profondo e il gioco del Go

Recensioni dei lettori

Il libro è molto apprezzato per il suo approccio pratico all'insegnamento dell'apprendimento automatico attraverso l'obiettivo di costruire un'intelligenza artificiale per il gioco del Go. I lettori ne apprezzano la chiarezza delle spiegazioni, la rilevanza sia per gli sviluppatori che per i giocatori di Go e gli esempi pratici di codifica. Tuttavia, diversi utenti hanno riscontrato problemi significativi per quanto riguarda la compatibilità del codice, la mancanza di commenti dettagliati e la profondità di alcune aree. Nel complesso, il libro è consigliato a chi ha una solida base di programmazione e un interesse per il deep learning.

Approccio pratico e coinvolgente all'apprendimento dell'apprendimento automatico attraverso Go.

Spiegazioni chiare di argomenti complessi come il Deep Reinforcement Learning.

(basato su 15 recensioni dei lettori)

Titolo originale:

Deep Learning and the Game of Go

Contenuto del libro:

Sintesi

Deep Learning and the Game of Go insegna come applicare la potenza del deep learning a compiti di ragionamento complessi costruendo un'intelligenza artificiale che gioca a Go. Dopo avervi illustrato le basi dell'apprendimento automatico e profondo, utilizzerete Python per costruire un bot e poi gli insegnerete le regole del gioco.

Prefazione di Thore Graepel, DeepMind.

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

Informazioni sulla tecnologia

L'antico gioco strategico del Go è un incredibile caso di studio per l'IA. Nel 2016, un sistema basato sul deep learning ha sconvolto il mondo del Go sconfiggendo un campione mondiale. Poco dopo, l'AlphaGo Zero, aggiornato, ha distrutto il bot originale utilizzando il deep reinforcement learning per dominare il gioco. Ora potete imparare le stesse tecniche di apprendimento profondo costruendo il vostro bot per il Go.

Informazioni sul libro

Deep Learning and the Game of Go introduce l'apprendimento profondo insegnando a costruire un bot che vince a Go. Man mano che si procede, si applicano tecniche e strategie di addestramento sempre più complesse utilizzando la libreria di deep learning Keras di Python. Vi divertirete a vedere il vostro bot padroneggiare il gioco del Go e, strada facendo, scoprirete come applicare le vostre nuove capacità di deep learning a un'ampia gamma di altri scenari.

Che cosa c'è dentro?

⬤ Costruire e insegnare un'IA di gioco auto-migliorante.

⬤ Migliorare i sistemi classici di IA dei giochi con il deep learning.

⬤ Implementare reti neurali per l'apprendimento profondo.

Informazioni sul lettore

Tutto ciò che serve sono conoscenze di base di Python e matematica di livello superiore. Non è richiesta alcuna esperienza di deep learning.

Informazioni sull'autore

Max Pumperla e Kevin Ferguson sono specialisti di deep learning esperti in sistemi distribuiti e scienza dei dati. Insieme, Max e Kevin hanno costruito il bot open source BetaGo.

Indice dei contenuti

PARTE 1 - FONDAMENTI.

⬤ Per l'apprendimento profondo: un'introduzione all'apprendimento automatico.

⬤ Go come problema di apprendimento automatico.

⬤ Implementazione del primo bot di Go.

PARTE 2 - APPRENDIMENTO AUTOMATICO E GAME AI.

⬤ Giocare con la ricerca ad albero.

⬤ Iniziare con le reti neurali.

⬤ Progettare una rete neurale per i dati del Go.

⬤ Imparare dai dati: un bot ad apprendimento profondo.

⬤ Dispiegare i bot in natura.

⬤ Imparare con la pratica: l'apprendimento per rinforzo.

⬤ Apprendimento per rinforzo con gradienti di policy.

⬤ Apprendimento per rinforzo con metodi di valore.

⬤ Apprendimento per rinforzo con i metodi actor-critic.

PARTE 3 - MAGGIORE DELLA SOMMA DELLE SUE PARTI.

⬤ AlphaGo: Mettere insieme tutto.

⬤ AlphaGo Zero: Integrare la ricerca ad albero con l'apprendimento per rinforzo.