动手学强化学习--聚文网

精选

¥5.83

世界图书名著昆虫记绿野仙踪木偶奇遇记儿童书籍彩图注音版

¥5.39

正版世界名著文学小说名家名译中学生课外阅读书籍图书批发 70册

¥8.58

简笔画10000例加厚版2-6岁幼儿童涂色本涂鸦本绘画本填色书正版

¥5.83

世界文学名著全49册中小学生青少年课外书籍文学小说批发正版

¥4.95

全优冲刺100分测试卷一二三四五六年级上下册语文数学英语模拟卷

¥8.69

父与子彩图注音完整版小学生图书批发儿童课外阅读书籍正版1册

¥24.2

好玩的洞洞拉拉书0-3岁宝宝早教益智游戏书机关立体翻翻书4册

¥7.15

幼儿认字识字大王3000字幼儿园中班大班学前班宝宝早教启蒙书

¥11.55

用思维导图读懂儿童心理学培养情绪管理与性格培养故事指导书

¥19.8

少年读漫画鬼谷子全6册在漫画中学国学小学生课外阅读书籍正版

¥64

科学真好玩

¥12.7

一年级下4册·读读童谣和儿歌

¥38.4

原生态新生代(传统木版年画的当代传承国际研讨会论文集)

¥11.14

法国经典中篇小说

¥11.32

上海的狐步舞--穆时英(中国现代文学馆馆藏初版本经典)

¥21.56

猫的摇篮(精)

¥30.72

幼儿园特色课程实施方案/幼儿园生命成长启蒙教育课程丛书

旧时风物(精)

三希堂三帖/墨林珍赏

寒山子庞居士诗帖/墨林珍赏

苕溪帖/墨林珍赏

楷书王维诗卷/墨林珍赏

兰亭序/墨林珍赏

祭侄文稿/墨林珍赏

蜀素帖/墨林珍赏

真草千字文/墨林珍赏

进宴仪轨(精)/中国古代舞乐域外图书

舞蹈音乐的基础理论与应用

编辑推荐

·名家作品：上海交通大学ACM班创始人俞勇教授、博士生导师张伟楠副教授、APEX实验室博士生沈键编写； ·理论扎实：基于上交大ACM班的人工智能专业课程构建强化学习的学习体系； ·配套资源丰富：在线代码运行环境+在线视频课程+在线讨论区+在线习题+配套课件； ·多位业内大咖力荐：字节跳动人工智能实验室总监李航、1986年图灵奖得主John Hopcroft、北京大学数学科学学院统计学教授张志华、伦敦大学学院计算机科学系讲席教授汪军、亚马逊资深科学家、《动手学深度学习》作者李沐

内容简介

本书系统地介绍了强化学习的原理和实现，是一本理论扎实、落地性强的图书。本书包含3个部分：第一部分为强化学习基础，讲解强化学习的基础概念和表格型强化学习方法；第二部分为强化学习进阶，讨论深度强化学习的思维方式、深度价值函数和深度策略学习方法；第三部分为强化学习前沿，介绍学术界在深度强化学习领域的主要关注方向和前沿算法。同时，本书提供配套的线上代码实践平台，展示源码的编写和运行过程，让读者进一步掌握强化学习算法的运行机制。本书理论与实践并重，在介绍强化学习理论的同时，辅之以线上代码实践平台，帮助读者通过实践加深对理论的理解。本书适合对强化学习感兴趣的高校学生、教师，以及相关行业的开发和研究人员阅读、实践。

作者简介

张伟楠，上海交通大学副教授，博士生导师，ACM班机器学习、强化学习课程授课老师，吴文俊人工智能优秀青年奖、达摩院青橙奖得主，获得中国科协“青年人才托举工程”支持。他的科研领域包括强化学习、数据挖掘、知识图谱、深度学习以及这些技术在推荐系统、搜索引擎、文本分析等场景中的应用。他在国际会议和期刊上发表了100余篇相关领域的学术论文，于2016年在英国伦敦大学学院（UCL）计算机系获得博士学位。沈键，上海交通大学APEX实验室博士生，师从俞勇教授，研究方向为深度学习、强化学习和教育数据挖掘。在攻读博士期间，他以第一作者身份发表机器学习国际会议NeurIPS、AAAI论文，参与发表多篇机器学习和数据挖掘国际会议（包括ICML、IJCAI、SIGIR、KDD、AISTATS等）论文，并担任多个国际会议和SCI学术期刊的审稿人。俞勇，享受国务院特殊津贴专家，教学名师，上海交通大学特聘教授，APEX实验室主任，上海交通大学ACM班创始人。俞勇教授曾获得“国家高层次人才特殊支持计划”教学名师、“上海市教学名师奖”“全国师德标兵”“上海交通大学校长奖”和“最受学生欢迎教师”等荣誉。他于2018年创办了伯禹人工智能学院，在上海交通大学ACM班人工智能专业课程体系的基础上，对AI课程体系进行创新，致力于培养卓越的AI算法工程师和研究员。

第一部分强化学习基础
第1章初探强化学习
1.1 简介
1.2 什么是强化学习
1.3 强化学习的环境
1.4 强化学习的目标
1.5 强化学习中的数据
1.6 强化学习的独特性
1.7 小结
第2章多臂老虎机问题
2.1 简介
2.2 问题介绍
2.2.1 问题定义
2.2.2 形式化描述
2.2.3 累积懊悔
2.2.4 估计期望奖励
2.3 探索与利用的平衡
2.4 □（特殊字符）-贪婪算法
2.5 上置信界算法
2.6 汤普森采样算法
2.7 小结
2.8 参考文献
第3章马尔可夫决策过程
3.1 简介
3.2 马尔可夫过程
3.2.1 随机过程
3.2.2 马尔可夫性质
3.2.3 马尔可夫过程
3.3 马尔可夫奖励过程
3.3.1 回报
3.3.2 价值函数
3.4 马尔可夫决策过程
3.4.1 策略
3.4.2 状态价值函数
3.4.3 动作价值函数
3.4.4 贝尔曼期望方程
3.5 蒙特卡洛方法
3.6 占用度量
3.7 最优策略
3.8 小结
3.9 参考文献
第4章动态规划算法
4.1 简介
4.2 悬崖漫步环境
4.3 策略迭代算法
4.3.1 策略评估
4.3.2 策略提升
4.3.3 策略迭代
4.4 价值迭代算法
4.5 冰湖环境
……
第二部分强化学习进阶
第三部分强化学习前沿
总结与展望
中英文术语对照表与符号表

动手学强化学习

库存： {{selectedSku?.stock}} 库存充足