Глубокое обучение с подкреплением (Reinforcement Learning) — самое популярное и перспективное направление искусственного интеллекта.

Практическое изучение RL на Python поможет освоить не только базовые, но и передовые алгоритмы глубокого обучения с подкреплением. Вы начнете с основных принципов обучения с подкреплением, OpenAI Gym и TensorFlow, познакомьтесь с марковскими цепями, методом Монте-Карло и динамическим программированием, так что «страшные» аббревиатуры DQN, DRQN, A3C, PPO и TRPO вскоре перестанут вас пугать.

Вы узнаете об агентах, которые учатся на человеческих предпочтениях, DQfD, HER и многих других последних достижениях RL. Прочитав книгу, вы приобретете знания и опыт, необходимые для реализации обучения с подкреплением и глубокого обучения с подкреплением в реальных проектах, и войдете в мир искусственного интеллекта.

В этой книге вы:

- Познакомитесь с основами методов, алгоритмов и элементов RL

- Обучите агента с помощью OpenAI Gym и Tensorflow

- Освоите марковские процессы принятия решений, оптимальность Беллмана и обучение TD

- Научитесь решать проблемы многоруких бандитов

- Овладеете алгоритмами глубокого обучения, такими как RNN, LSTM и CNN

- Создадите интеллектуальных агентов с помощью алгоритма DRQN, которые смогут играть в Doom

- С помощью DDPG научите агентов играть в Lunar Lander

- Отправите агента на автогонки, используя метод DQN