Купить книгу Глубокое обучение и игра в го на русском [PDF, EPUB, FB2, MOBI]
#2501418
Deep Learning and the Game of Go (B097821929)
Купить и скачать электронную книгу в форматах PDF, EPUB, FB2, MOBI
Kevin Ferguson | #148: Математическое и статистическое программное обеспечение
Краткое содержание
Книга «Глубокое обучение и игра в го» научит вас применять возможности глубокого обучения для решения сложных задач логического мышления, создав искусственный интеллект, играющий в го. После ознакомления с основами машинного и глубокого обучения вы используете Python для создания бота, а затем обучите его правилам игры.
Предисловие Тора Грепеля, DeepMind
О технологии
Древняя стратегическая игра Го — невероятный пример применения искусственного интеллекта. В 2016 году система, основанная на глубоком обучении, потрясла мир Го, победив чемпиона мира. Вскоре после этого обновленная AlphaGo Zero разгромила оригинального бота, используя глубокое обучение с подкреплением для освоения игры. Теперь вы можете изучить те же методы глубокого обучения, создав своего собственного бота для игры в Го!
О книге
Книга «Глубокое обучение и игра в го» знакомит с глубоким обучением, обучая вас созданию бота, способного выигрывать в го. По мере продвижения вы будете применять все более сложные методы и стратегии обучения, используя библиотеку глубокого обучения Python Keras. Вам понравится наблюдать, как ваш бот осваивает игру в го, и попутно вы узнаете, как применять свои новые навыки глубокого обучения в самых разных сценариях!
Что внутри?
О читателе
Вам понадобятся лишь базовые навыки работы с Python и знание математики на уровне средней школы. Опыт глубокого обучения не требуется.
Об авторе
Макс Пумперла и Кевин Фергюсон — опытные специалисты по глубокому обучению, обладающие навыками работы с распределенными системами и анализом данных. Вместе Макс и Кевин создали бота с открытым исходным кодом BetaGo.
Оглавление
Книга «Глубокое обучение и игра в го» научит вас применять возможности глубокого обучения для решения сложных задач логического мышления, создав искусственный интеллект, играющий в го. После ознакомления с основами машинного и глубокого обучения вы используете Python для создания бота, а затем обучите его правилам игры.
Предисловие Тора Грепеля, DeepMind
О технологии
Древняя стратегическая игра Го — невероятный пример применения искусственного интеллекта. В 2016 году система, основанная на глубоком обучении, потрясла мир Го, победив чемпиона мира. Вскоре после этого обновленная AlphaGo Zero разгромила оригинального бота, используя глубокое обучение с подкреплением для освоения игры. Теперь вы можете изучить те же методы глубокого обучения, создав своего собственного бота для игры в Го!
О книге
Книга «Глубокое обучение и игра в го» знакомит с глубоким обучением, обучая вас созданию бота, способного выигрывать в го. По мере продвижения вы будете применять все более сложные методы и стратегии обучения, используя библиотеку глубокого обучения Python Keras. Вам понравится наблюдать, как ваш бот осваивает игру в го, и попутно вы узнаете, как применять свои новые навыки глубокого обучения в самых разных сценариях!
Что внутри?
- Создайте и обучите самосовершенствующийся игровой ИИ.
- Усовершенствуйте классические системы искусственного интеллекта для игр с помощью глубокого обучения.
- Внедрить нейронные сети для глубокого обучения
О читателе
Вам понадобятся лишь базовые навыки работы с Python и знание математики на уровне средней школы. Опыт глубокого обучения не требуется.
Об авторе
Макс Пумперла и Кевин Фергюсон — опытные специалисты по глубокому обучению, обладающие навыками работы с распределенными системами и анализом данных. Вместе Макс и Кевин создали бота с открытым исходным кодом BetaGo.
Оглавление
- На пути к глубокому обучению: введение в машинное обучение
- Го как задача машинного обучения
- Создание вашего первого бота для Go.
- Игры с поиском по дереву.
- Начало работы с нейронными сетями
- Разработка нейронной сети для обработки данных игры в Го.
- Обучение на основе данных: бот глубокого обучения
- Запуск ботов в реальных условиях
- Обучение на практике: обучение с подкреплением
- Обучение с подкреплением с использованием градиентов политики
- Обучение с подкреплением с использованием методов оценки ценности
- Обучение с подкреплением с использованием методов "актор-критик"
- AlphaGo: Подводя итоги.
- AlphaGo Zero: интеграция поиска по дереву с обучением с подкреплением