Name: Deep Learning 4｜用Python進行強化學習的開發實作 (1版)
Price: 578 TWD
Availability: InStock
Author: 斎藤康毅
ISBN: 9786263246119

書名:	Deep Learning 4｜用Python進行強化學習的開發實作 (1版)
作者:	斎藤康毅
譯者:	吳嘉芳
版次:	1
ISBN:	9786263246119
出版社:	OREILLY歐萊禮
出版日期:	2023/09
書籍開數、尺寸:	18.5x23x1.94
頁數:	344
內文印刷顏色:	單色
#資訊 #編程與軟體開發 #Python

定價:	~~680~~元
售價:	578元
庫存:	庫存: 1
LINE US!	詢問這本書團購優惠、書籍資訊等

Deep Learning 4｜用Python進行強化學習的開發實作 (1版)

定價: ~~680~~ 售價: 578 現省: 102

付款方式:	超商取貨付款
	信用卡
	線上轉帳
物流方式:	超商取貨
	宅配
	門市自取

詳細資訊

本暢銷系列作品的第4本書，這次的主題是強化學習。書中延續此系列的一貫風格，顯示實際的程式碼，讓讀者邊執行邊學習，不依賴外部程式庫，從零開始建置、學習支撐強化學習的基本技術與概念。從「理論」與「實踐」兩方面著手，仔細解說強化學習這個複雜主題的構成要素，讓讀者確實掌握強化學習的獨特理論。有別於只用公式說明理論的書籍，讀者可以從書中的程式碼，獲得許多意想不到的領悟。回頁首斎藤康毅 1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。目錄第 1 章吃角子老虎機問題第 2 章馬可夫決策過程第 3 章貝爾曼方程式第 4 章動態規劃法第 5 章蒙地卡羅法第 6 章 TD 法第 7 章類神經網路與 Q 學習第 8 章 DQN 第 9 章策略梯度法第 10 章進階內容附錄 A 離線策略蒙地卡羅法附錄 B n 步 TD 法附錄 C 理解 Double DQN 附錄 D 驗證策略梯度法

為您推薦

Deep Learning: 用Python進行深度學習的基礎理論實作

書名：DEEP LEARNING｜用PYTHON進行深度學習的基礎理論實作出版社：歐萊禮出版年月：201708 條碼：9789864764846 內容簡介不走捷徑，幫助您真正搞懂「深度學習」的真義這是一本與「深度學習」有關的書籍。從入門開始說明，一步一步帶領你瞭解深度學習必須具備的知識。本書可以幫助您了解：深度學習究竟是什麼？有何特色？根據何種原理來運作？從零開始，由實做中學習本書的目標是，盡量避免使用不瞭解內容的「黑盒子」，以基礎的知識為起點，以容易上手的Python撰寫程式，從動手實作的過程中，一步步深入瞭解深度學習。若以車用書籍來比喻這本書的話，這本書並不屬於汽車駕訓教材，而是希望能夠幫助您瞭解車子的原理，而非教您開車的方法。為了瞭解汽車的結構，必須試著打開車子的引擎蓋，將每個零件都拿起來觀察、操作看看。然後盡量用簡單的形狀，篩選出車子的核心部分，就像組合迷你模型般，製作出這台車子。本書的目標，就是透過製作車子的過程，讓你感受到自己實際可以製作出車子，進而熟悉與車子的相關技術。本書特色：．利用最少的外部函式庫，使用Python，從零開始實際執行深度學習的程式。．說明Python 的用法，讓Python 的初學者也能理解。．實際執行Python 的原始碼，同時提供讀者手邊可以進行實驗的學習環境。．從簡單的機器學習問題開始，到最後執行精密辨識影像的系統。．以淺顯易懂的方式說明深度學習與神經網路理論。．針對看似複雜的技術，如誤差反向傳播與卷積運算等，利用實際操作方式說明，幫助理解。．介紹在執行深度學習時，有幫助且實用的技巧，包括決定學習率的方法、權重的預設值等。．說明Batch Normalization、Dropout、Adam 等最近的趨勢與操作。．為什麼深度學習很優秀，為什麼加深層數，就能提高辨識準確度，為什麼隱藏層很重要，仔細說明這些「為什麼」。．介紹自動運作、產生影像、強化學習等深度學習的應用範例。作者介紹作者簡介斎藤康毅 1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。目錄第一章 Python入門第二章感知器第三章神經網路第四章神經網路的學習第五章誤差反向傳播法第六章與學習有關的技巧第七章卷積神經網路第八章深度學習附錄A Softmax-with-Loss層的計算圖參考文獻

原價: ~~580~~ 售價: 493 現省: 87元

立即查看

寫給程式設計師的深度學習｜使用 fastai 和 PyTorch (Deep Learning for Coders with fastai and PyTorch) 2021 <O`REILLY>

寫給程式設計師的深度學習：使用fastai和PyTorch ISBN13：9789865027360 出版社：美商歐萊禮作者：Jeremy Howard; Sylvain Gugger 譯者：賴屹民裝訂／頁數：平裝／640頁規格：23cm*17cm*3cm (高/寬/厚) 出版日：2021/03/17 中國圖書分類：特殊電腦方法內容簡介建構AI應用程式，您不必拿PhD 　　深度學習通常被視為數學博士和大型科技公司的獨門秘術，然而，正如這本指南所言，如果你已經會寫Python，那麼你只要稍微了解數學、取得少量的資料，就可以用最精簡的程式，寫出令人印象深刻的深度學習作品。怎麼做？使用fastai！它是史上第一個以一致的介面來讓你使用最常見的深度學習應用的程式庫。　　本書作者Jeremy Howard與Sylvain Gugger是fastai的創作者，他們將告訴你如何使用fastai和PyTorch訓練各種任務的模型，並帶領你逐步研究深度學習理論，以充分了解藏身幕後的演算法。　　‧訓練電腦視覺、自然語言處理、表格式資料和聯合過濾等任務的模型　　‧學習在實務上最重要且最新的深度學習技術　　‧釐清深度學習模型如何運作，改善準確度、速度與可靠度　　‧了解如何將模型轉換成web應用程式　　‧從零開始實作深度學習演算法　　‧思考作品的道德意義　　‧從PyTorch的聯合創始人Soumith Chintala的前言獲得真知灼見好評推薦　　「這是程式員精通深度學習的最佳資源之一。」 —Peter Norvig，Google研究總監　　「本書透過實際的操作，以簡單且實用的方法揭開深度學習的神秘面紗。」 —Curtis Langlotz，史丹佛大學醫學及成像人工智慧中心主任目錄第一部分深度學習實務第一章你的深度學習旅程第二章從模型到生產第三章資料倫理第二部分了解 fastai 的應用第四章在引擎蓋下：訓練數字分類模型第五章圖像分類第六章其他的電腦視覺問題第七章訓練先進模型第八章協同過濾第九章表格模型第十章 NLP：RNN 第十一章使用 fastai 的中層API 來處理資料第三部分深度學習基礎第十二章從零開始製作語言模型第十三章摺積神經網路第十四章 ResNets 第十五章應用架構第十六章訓練程序第四部分從零開始深度學習第十七章神經網路基礎第十八章用 CAM 來做 CNN 解釋第十九章從零開始打造 fastai Learner 第二十章思想總結附錄A 建立部落格附錄B 資料專案檢查表

原價: ~~980~~ 售價: 833 現省: 147元

立即查看

MACHINE AND DEEP LEARNING USING MATLAB: ALGORITHMS AND TOOLS FOR SCIENTISTS AND ENGINEERS (1版)

原價: ~~1800~~ 售價: 1800 現省: 0元

立即查看

Deep Learning for 3D Vision Algorithms and Applications

【簡介】 3D deep learning is a rapidly evolving field that has the potential to transform various industries. This book provides a comprehensive overview of the current state-of-the-art in 3D deep learning, covering a wide range of research topics and applications. It collates the most recent research advances in 3D deep learning, including algorithms and applications, with a focus on efficient methods to tackle the key technical challenges in current 3D deep learning research and adoption, therefore making 3D deep learning more practical and feasible for real-world applications. This book is organized into five sections, each of which addresses different aspects of 3D deep learning. Section I: Sample Efficient 3D Deep Learning, focuses on developing efficient algorithms to build accurate 3D models with limited annotated samples. Section II: Representation Efficient 3D Deep Learning, deals with the challenge of developing efficient representations for dynamic 3D scenes and multiple 3D modalities. Section III: Robust 3D Deep Learning, presents methods for improving the robustness and reliability of deep learning models in real-world applications. Section IV: Resource Efficient 3D Deep Learning, explores ways to reduce the computation cost of 3D models and improve their efficiency in resource-limited environments. Section V: Emerging 3D Deep Learning Applications, showcases how 3D deep learning is transforming industries and enabling new applications for healthcare and manufacturing. This collection is a valuable resource for researchers and practitioners interested in exploring the potential of 3D deep learning. 【目錄】

原價: ~~5112~~ 售價: 5112 現省: 0元

立即查看

Understanding Deep Learning (1版)

原價: ~~2150~~ 售價: 2150 現省: 0元

立即查看

RISK MODELING: PRACTICAL APPLICATIONS OF ARTIFICIAL INTELLIGENCE, MACHINE LEARNING, AND DEEP LEARNING

原價: ~~1598~~ 售價: 1518 現省: 80元

立即查看