Articles liés à Einstieg in Deep Reinforcement Learning: KI-Agenten...
Einstieg in Deep Reinforcement Learning: KI-Agenten mit Python und PyTorch programmieren. Inkl. E-Book - Couverture rigide
Acheter neuf
Afficher cet article
EUR 39,99
EUR 7,95 expédition depuis Allemagne vers France
Destinations, frais et délaisRésultats de recherche pour Einstieg in Deep Reinforcement Learning: KI-Agenten...
Image d'archives
Einstieg in Deep Reinforcement Learning: KI-Agenten mit Python und PyTorch programmieren
ISBN 10 : 3446459006
ISBN 13 : 9783446459007
Ancien ou d'occasion
Couverture rigide
Vendeur : medimops, Berlin, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Etat : very good. Gut/Very good: Buch bzw. Schutzumschlag mit wenigen Gebrauchsspuren an Einband, Schutzumschlag oder Seiten. / Describes a book or dust jacket that does show some signs of wear on either the binding, dust jacket or pages. N° de réf. du vendeur M03446459006-V
Quantité disponible : 1 disponible(s)
Image fournie par le vendeur
Einstieg in Deep Reinforcement Learning
Edité par
Hanser Fachbuchverlag Okt 2020, 2020
ISBN 10 : 3446459006
ISBN 13 : 9783446459007
Neuf
Couverture rigide
Vendeur : Wegmann1855, Zwiesel, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Bündel. Etat : Neu. Neuware -- Grundlegende Konzepte und Terminologie- Praktischer Einsatz mit PyTorch- Projekte umsetzenDieses Buch zeigt Ihnen, wie Sie Agenten programmieren, die basierend auf direktem Feedback aus ihrer Umgebung selbstständig lernen und sich dabei verbessern. Sie werden Netzwerke mit dem beliebten PyTorch-Deep-Learning-Framework aufbauen, um bestärkende Lernalgorithmen zu erforschen. Diese reichen von Deep-Q-Networks über Methoden zur Gradientenmethode bis hin zu evolutionären Algorithmen.Im weiteren Verlauf des Buches wenden Sie Ihre Kenntnisse in praktischen Projekten wie der Steuerung simulierter Roboter, der Automatisierung von Börsengeschäften oder dem Aufbau eines Spiel-Bots an.Aus dem Inhalt:- Strukturierungsprobleme als Markov-Entscheidungsprozesse- Beliebte Algorithmen wie Deep Q-Networks, Policy Gradient-Methode und Evolutionäre Algorithmen und die Intuitionen, die sie antreiben- Anwendung von Verstärkungslernalgorithmen auf reale ProblemeEXTRA: Elektronisches Buch insideSystemvoraussetzungen für Elektronisches Buch inside: Internet-Verbindung und Adobe-Reader oder Elektronisches Buch-Reader bzw. Adobe Digital Editions. N° de réf. du vendeur 9783446459007
Quantité disponible : 1 disponible(s)
Image fournie par le vendeur
Einstieg in Deep Reinforcement Learning
Edité par
Hanser Fachbuchverlag, 2020
ISBN 10 : 3446459006
ISBN 13 : 9783446459007
Neuf
Couverture rigide
Vendeur : moluna, Greven, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Etat : New. - Grundlegende Konzepte und Terminologie- Praktischer Einsatz mit PyTorch- Projekte umsetzenDieses Buch zeigt Ihnen, wie Sie Agenten programmieren, die basierend auf direktem Feedback aus ihrer Umgebung selbststaendig lernen und sich dabei ve. N° de réf. du vendeur 370935407
Quantité disponible : 1 disponible(s)
Image fournie par le vendeur
Einstieg in Deep Reinforcement Learning : KI-Agenten mit Python und PyTorch programmieren. Inkl. E-Book
Edité par
Hanser Fachbuchverlag Okt 2020, 2020
ISBN 10 : 3446459006
ISBN 13 : 9783446459007
Neuf
Couverture rigide
Vendeur : AHA-BUCH GmbH, Einbeck, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Bündel. Etat : Neu. Neuware - - Grundlegende Konzepte und Terminologie- Praktischer Einsatz mit PyTorch- Projekte umsetzenDieses Buch zeigt Ihnen, wie Sie Agenten programmieren, die basierend auf direktem Feedback aus ihrer Umgebung selbstständig lernen und sich dabei verbessern. Sie werden Netzwerke mit dem beliebten PyTorch-Deep-Learning-Framework aufbauen, um bestärkende Lernalgorithmen zu erforschen. Diese reichen von Deep-Q-Networks über Methoden zur Gradientenmethode bis hin zu evolutionären Algorithmen.Im weiteren Verlauf des Buches wenden Sie Ihre Kenntnisse in praktischen Projekten wie der Steuerung simulierter Roboter, der Automatisierung von Börsengeschäften oder dem Aufbau eines Spiel-Bots an.Aus dem Inhalt:- Strukturierungsprobleme als Markov-Entscheidungsprozesse- Beliebte Algorithmen wie Deep Q-Networks, Policy Gradient-Methode und Evolutionäre Algorithmen und die Intuitionen, die sie antreiben- Anwendung von Verstärkungslernalgorithmen auf reale ProblemeEXTRA: Elektronisches Buch insideSystemvoraussetzungen für Elektronisches Buch inside: Internet-Verbindung und Adobe-Reader oder Elektronisches Buch-Reader bzw. Adobe Digital Editions. N° de réf. du vendeur 9783446459007
Quantité disponible : 2 disponible(s)
Image fournie par le vendeur
Einstieg in Deep Reinforcement Learning
Edité par
Hanser Fachbuchverlag Okt 2020, 2020
ISBN 10 : 3446459006
ISBN 13 : 9783446459007
Neuf
Couverture rigide
Vendeur : Rheinberg-Buch Andreas Meier eK, Bergisch Gladbach, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Bündel. Etat : Neu. Neuware -- Grundlegende Konzepte und Terminologie- Praktischer Einsatz mit PyTorch- Projekte umsetzenDieses Buch zeigt Ihnen, wie Sie Agenten programmieren, die basierend auf direktem Feedback aus ihrer Umgebung selbstständig lernen und sich dabei verbessern. Sie werden Netzwerke mit dem beliebten PyTorch-Deep-Learning-Framework aufbauen, um bestärkende Lernalgorithmen zu erforschen. Diese reichen von Deep-Q-Networks über Methoden zur Gradientenmethode bis hin zu evolutionären Algorithmen.Im weiteren Verlauf des Buches wenden Sie Ihre Kenntnisse in praktischen Projekten wie der Steuerung simulierter Roboter, der Automatisierung von Börsengeschäften oder dem Aufbau eines Spiel-Bots an.Aus dem Inhalt:- Strukturierungsprobleme als Markov-Entscheidungsprozesse- Beliebte Algorithmen wie Deep Q-Networks, Policy Gradient-Methode und Evolutionäre Algorithmen und die Intuitionen, die sie antreiben- Anwendung von Verstärkungslernalgorithmen auf reale ProblemeEXTRA: Elektronisches Buch insideSystemvoraussetzungen für Elektronisches Buch inside: Internet-Verbindung und Adobe-Reader oder Elektronisches Buch-Reader bzw. Adobe Digital Editions. 400 pp. Deutsch. N° de réf. du vendeur 9783446459007
Quantité disponible : 1 disponible(s)
Image fournie par le vendeur
Einstieg in Deep Reinforcement Learning
Edité par
Hanser Fachbuchverlag Okt 2020, 2020
ISBN 10 : 3446459006
ISBN 13 : 9783446459007
Neuf
Couverture rigide
Vendeur : BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Bündel. Etat : Neu. Neuware -- Grundlegende Konzepte und Terminologie- Praktischer Einsatz mit PyTorch- Projekte umsetzenDieses Buch zeigt Ihnen, wie Sie Agenten programmieren, die basierend auf direktem Feedback aus ihrer Umgebung selbstständig lernen und sich dabei verbessern. Sie werden Netzwerke mit dem beliebten PyTorch-Deep-Learning-Framework aufbauen, um bestärkende Lernalgorithmen zu erforschen. Diese reichen von Deep-Q-Networks über Methoden zur Gradientenmethode bis hin zu evolutionären Algorithmen.Im weiteren Verlauf des Buches wenden Sie Ihre Kenntnisse in praktischen Projekten wie der Steuerung simulierter Roboter, der Automatisierung von Börsengeschäften oder dem Aufbau eines Spiel-Bots an.Aus dem Inhalt:- Strukturierungsprobleme als Markov-Entscheidungsprozesse- Beliebte Algorithmen wie Deep Q-Networks, Policy Gradient-Methode und Evolutionäre Algorithmen und die Intuitionen, die sie antreiben- Anwendung von Verstärkungslernalgorithmen auf reale ProblemeEXTRA: Elektronisches Buch insideSystemvoraussetzungen für Elektronisches Buch inside: Internet-Verbindung und Adobe-Reader oder Elektronisches Buch-Reader bzw. Adobe Digital Editions. 400 pp. Deutsch. N° de réf. du vendeur 9783446459007
Quantité disponible : 1 disponible(s)
Image fournie par le vendeur
Einstieg in Deep Reinforcement Learning
Edité par
Hanser Fachbuchverlag Okt 2020, 2020
ISBN 10 : 3446459006
ISBN 13 : 9783446459007
Neuf
Couverture rigide
Vendeur : buchversandmimpf2000, Emtmannsberg, BAYE, Allemagne
Évaluation du vendeur 5 sur 5 étoiles
Bündel. Etat : Neu. Neuware -- Grundlegende Konzepte und Terminologie- Praktischer Einsatz mit PyTorch- Projekte umsetzenDieses Buch zeigt Ihnen, wie Sie Agenten programmieren, die basierend auf direktem Feedback aus ihrer Umgebung selbstständig lernen und sich dabei verbessern. Sie werden Netzwerke mit dem beliebten PyTorch-Deep-Learning-Framework aufbauen, um bestärkende Lernalgorithmen zu erforschen. Diese reichen von Deep-Q-Networks über Methoden zur Gradientenmethode bis hin zu evolutionären Algorithmen.Im weiteren Verlauf des Buches wenden Sie Ihre Kenntnisse in praktischen Projekten wie der Steuerung simulierter Roboter, der Automatisierung von Börsengeschäften oder dem Aufbau eines Spiel-Bots an.Aus dem Inhalt:- Strukturierungsprobleme als Markov-Entscheidungsprozesse- Beliebte Algorithmen wie Deep Q-Networks, Policy Gradient-Methode und Evolutionäre Algorithmen und die Intuitionen, die sie antreiben- Anwendung von Verstärkungslernalgorithmen auf reale ProblemeEXTRA: Elektronisches Buch insideSystemvoraussetzungen für Elektronisches Buch inside: Internet-Verbindung und Adobe-Reader oder Elektronisches Buch-Reader bzw. Adobe Digital Editions.Hanser Fachbuchverlag, Kolberger Str. 22, 81679 München 400 pp. Deutsch. N° de réf. du vendeur 9783446459007
Quantité disponible : 1 disponible(s)