TensorFlow 2 Reinforcement Learning Cookbook: Oltre 50 ricette per aiutarvi a costruire, addestrare e distribuire agenti di apprendimento per applicazioni reali

Recensioni dei lettori

Il libro “TensorFlow 2 Reinforcement Learning Cookbook” è una guida pratica incentrata sull'implementazione di algoritmi di apprendimento per rinforzo (RL) con TensorFlow. È pensato per persone che hanno già familiarità con TensorFlow e offre ampi esempi di codice, ma manca di spiegazioni teoriche complete. Pur eccellendo nella trattazione dell'addestramento distribuito e dell'implementazione di modelli RL, che lo rendono una risorsa preziosa per le applicazioni pratiche, potrebbe non essere adatto come prima introduzione all'apprendimento per rinforzo.

⬤ Forte attenzione all'implementazione pratica e alle ricette pratiche.
⬤ Copre un'ampia gamma di algoritmi di RL e le loro applicazioni reali.
⬤ Buona struttura modulare con capitoli facili da seguire.
⬤ Enfasi specifica su argomenti avanzati come l'addestramento distribuito e il deployment.
⬤ Introduzione accessibile e concisa ai concetti chiave di RL, adatta a lettori con un background di TensorFlow.

⬤ Fortemente basato sul codice, con un background teorico insufficiente.
⬤ Potrebbe non essere adatto ai principianti dell'apprendimento per rinforzo o di TensorFlow.
⬤ Alcuni utenti hanno trovato il libro poco approfondito e poco chiaro per quanto riguarda i concetti fondamentali.
⬤ Pochi riferimenti esterni o spiegazioni teoriche, il che lo rende meno completo.

(basato su 6 recensioni dei lettori)

Titolo originale:

TensorFlow 2 Reinforcement Learning Cookbook: Over 50 recipes to help you build, train, and deploy learning agents for real-world applications

Contenuto del libro:

Scopri le ricette per sviluppare applicazioni di IA per risolvere una varietà di problemi aziendali del mondo reale utilizzando l'apprendimento per rinforzo.

Caratteristiche principali

⬤ Sviluppare e implementare soluzioni basate sull'apprendimento per rinforzo profondo in pipeline di produzione, prodotti e servizi.

⬤ Esplorare gli algoritmi di apprendimento per rinforzo più diffusi, come Q-learning, SARSA e il metodo actor-critic.

⬤ Personalizzare e costruire applicazioni basate su RL per l'esecuzione di compiti reali.

Descrizione del libro

Con il deep reinforcement learning è possibile costruire agenti, prodotti e servizi intelligenti che possono andare oltre la visione o la percezione del computer per eseguire azioni. TensorFlow 2.x è l'ultima major release del più popolare framework di deep learning utilizzato per sviluppare e addestrare reti neurali profonde (DNN). Questo libro contiene ricette facili da seguire per sfruttare TensorFlow 2.x per sviluppare applicazioni di intelligenza artificiale.

Partendo da un'introduzione ai fondamenti del deep reinforcement learning e di TensorFlow 2.x, il libro tratta di OpenAI Gym, RL basato su modelli, RL senza modelli e di come sviluppare agenti di base. Scoprirete come implementare algoritmi avanzati di deep reinforcement learning come l'actor-critic, i gradienti di policy deterministici, le reti deep-Q, l'ottimizzazione delle policy prossimali e le reti Q ricorrenti per l'addestramento degli agenti RL. Man mano che si avanza, si esplorano le applicazioni dell'apprendimento per rinforzo costruendo agenti per il trading di criptovalute, agenti per il trading di azioni e agenti intelligenti per automatizzare il completamento dei compiti. Infine, scoprirete come distribuire agenti di apprendimento per rinforzo profondi nel cloud e costruire applicazioni multipiattaforma utilizzando TensorFlow 2.x.

Alla fine di questo libro su TensorFlow, avrete acquisito una solida conoscenza degli algoritmi di deep reinforcement learning e delle loro implementazioni da zero.

Cosa imparerete

⬤ Costruire agenti di deep reinforcement learning da zero utilizzando le nuovissime API di TensorFlow 2.x e Keras.

⬤ Implementare algoritmi di deep reinforcement learning all'avanguardia utilizzando un codice minimo.

⬤ Costruire, addestrare e confezionare agenti di deep RL per il trading di criptovalute e azioni.

⬤ Distribuire gli agenti RL nel cloud e nell'edge per testarli creando applicazioni desktop, web e mobili e servizi cloud.

⬤ Accelerare lo sviluppo degli agenti utilizzando l'addestramento distribuito dei modelli DNN.

⬤ Esplorare le architetture deep RL distribuite e scoprire le opportunità dell'AIaaS (AI as a Service).

Per chi è questo libro?

.

Il libro si rivolge agli sviluppatori di applicazioni di apprendimento automatico, ai ricercatori di IA e IA applicata, agli scienziati dei dati, ai professionisti dell'apprendimento profondo e agli studenti con una conoscenza di base dei concetti di apprendimento per rinforzo che desiderano costruire, addestrare e distribuire i propri sistemi di apprendimento per rinforzo da zero utilizzando TensorFlow 2.x.