滿額折
商品簡介
作者簡介
名人/編輯推薦
目次
商品簡介
強化學習是機器學習的重要分支之一。《用Python動手學強化學習》結合實際可運行的Python代碼，通過簡明的文字、豐富的插圖和示例，通俗易懂地介紹了從基礎概念到前沿應用等方方面面的內容，包括根據環境和經驗制訂計劃的學習方法、強化學習與神經網絡的組合，以及強化學習的弱點和克服方法。讀者通過下載書中代碼並親自動手運行，可以快速入門強化學習並進行實踐。
作者簡介
[日]久保隆宏（作者）
任職於日本大型系統集成商TIS，具有豐富的機器學習研究和開發經驗。論文共享網站站arXivTimes運營者，積極致力於技術普及，著有《TensorFlow應用指南》（合著）。
梁垿（譯者）
碩士畢業於日本早稻田大學，研究方向為機器學習。目前在日本大型系統集成商TIS任自然語言處理工程師。熱愛長跑與讀書，喜歡科幻、蒸汽朋克、克蘇魯等題材的作品。
程引（譯者）
工學博士學位，畢業於上海交通大學。目前在日本BizReach公司（Visional Group）AI部門任算法工程師。業務方向為推薦系統與自然語言處理，研究興趣包括強化學習與自動控制。
任職於日本大型系統集成商TIS，具有豐富的機器學習研究和開發經驗。論文共享網站站arXivTimes運營者，積極致力於技術普及，著有《TensorFlow應用指南》（合著）。
梁垿（譯者）
碩士畢業於日本早稻田大學，研究方向為機器學習。目前在日本大型系統集成商TIS任自然語言處理工程師。熱愛長跑與讀書，喜歡科幻、蒸汽朋克、克蘇魯等題材的作品。
程引（譯者）
工學博士學位，畢業於上海交通大學。目前在日本BizReach公司（Visional Group）AI部門任算法工程師。業務方向為推薦系統與自然語言處理，研究興趣包括強化學習與自動控制。
名人/編輯推薦
1.從基礎到應用，一本書快速入門強化學習
2.基於Python實現強化學習，直觀理解運作過程
3.內容豐富，涵蓋強化學習基本概念、算法詳解、前沿應用、弱點及對策
4.132張圖表與大量示例，全彩印刷圖文並茂提供良好閱讀體驗
5.附免費下載源代碼為讀者提供親身實踐機會
2.基於Python實現強化學習，直觀理解運作過程
3.內容豐富，涵蓋強化學習基本概念、算法詳解、前沿應用、弱點及對策
4.132張圖表與大量示例，全彩印刷圖文並茂提供良好閱讀體驗
5.附免費下載源代碼為讀者提供親身實踐機會
目次
第 1章 了解強化學習 1
1．1 強化學習與各關鍵詞之間的關係 1
1．2 強化學習的優點和弱點 8
1．3 強化學習的問題設定：馬爾可夫決策過程 9
第 2章 強化學習的解法(1)：根據環境制訂計劃 21
2．1 價值的定義和計算：貝爾曼方程 22
2．2 基於動態規劃法的價值近似的學習：價值迭代 28
2．3 基於動態規劃法的策略的學習：策略迭代 32
2．4 基於模型的方法和無模型的方法的區別 36
第3章 強化學習的解法(2)：根據經驗制訂計劃 39
3．1 平衡經驗的積累與利用：Epsilon-Greedy 算法 41
3．2 是根據實際獎勵還是預測來修正計劃：蒙特卡洛方法和時序差分學習 46
3．3 用經驗來更新價值近似還是策略：基於價值和基於策略 62
第4章 使用面向強化學習的神經網絡 73
4．1 將神經網絡應用於強化學習 74
4．2 通過含有參數的函數實現價值近似：價值函數近似 100
4．3 將深度學習應用於價值近似：DQN 109
4．4 通過含有參數的函數實現策略：策略梯度 121
4．5 將深度學習應用於策略：A2C 133
4．6 是價值近似還是策略呢 153
第5章 強化學習的弱點 157
5．1 獲取樣本的效率低 157
5．2 容易陷入局部最優行動和過擬合160
5．3 復現性差 163
5．4 以弱點為前提的對策 164
第6章 克服強化學習弱點的方法 169
6．1 應對采樣效率低的方法：與基於模型的方法一起使用、表征學習 170
6．2 改善復現性的方法：進化策略 198
6．3 應對局部最優行動和過擬合的方法：模仿學習和逆強化學習 206
第7章 強化學習的應用領域 237
7．1 行動的最優化 239
7．2 學習的最優化 248
參考文獻 252
1．1 強化學習與各關鍵詞之間的關係 1
1．2 強化學習的優點和弱點 8
1．3 強化學習的問題設定：馬爾可夫決策過程 9
第 2章 強化學習的解法(1)：根據環境制訂計劃 21
2．1 價值的定義和計算：貝爾曼方程 22
2．2 基於動態規劃法的價值近似的學習：價值迭代 28
2．3 基於動態規劃法的策略的學習：策略迭代 32
2．4 基於模型的方法和無模型的方法的區別 36
第3章 強化學習的解法(2)：根據經驗制訂計劃 39
3．1 平衡經驗的積累與利用：Epsilon-Greedy 算法 41
3．2 是根據實際獎勵還是預測來修正計劃：蒙特卡洛方法和時序差分學習 46
3．3 用經驗來更新價值近似還是策略：基於價值和基於策略 62
第4章 使用面向強化學習的神經網絡 73
4．1 將神經網絡應用於強化學習 74
4．2 通過含有參數的函數實現價值近似：價值函數近似 100
4．3 將深度學習應用於價值近似：DQN 109
4．4 通過含有參數的函數實現策略：策略梯度 121
4．5 將深度學習應用於策略：A2C 133
4．6 是價值近似還是策略呢 153
第5章 強化學習的弱點 157
5．1 獲取樣本的效率低 157
5．2 容易陷入局部最優行動和過擬合160
5．3 復現性差 163
5．4 以弱點為前提的對策 164
第6章 克服強化學習弱點的方法 169
6．1 應對采樣效率低的方法：與基於模型的方法一起使用、表征學習 170
6．2 改善復現性的方法：進化策略 198
6．3 應對局部最優行動和過擬合的方法：模仿學習和逆強化學習 206
第7章 強化學習的應用領域 237
7．1 行動的最優化 239
7．2 學習的最優化 248
參考文獻 252
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。