Értékelés:
A könyvet nagyra értékelik a gépi tanulás tanításának gyakorlati megközelítése miatt, amely a Go játék mesterséges intelligenciájának megalkotásán keresztül valósul meg. Az olvasók nagyra értékelik a világos magyarázatokat, a fejlesztők és a Go játékosok számára egyaránt releváns elemeket és a gyakorlati kódolási példákat. Több felhasználó azonban jelentős kihívásokkal szembesült a kódkompatibilitással, a részletes megjegyzések hiányával és az egyes területek mélységével kapcsolatban. Összességében a könyv azoknak ajánlott, akiknek szilárd alapjai vannak a programozásban és érdeklődnek a mélytanulás iránt.
Előnyök:Gyakorlati és magával ragadó megközelítés a gépi tanulás tanulásához a Go segítségével.
Hátrányok:Világos magyarázatok az olyan összetett témákról, mint a mély megerősítéses tanulás.
(15 olvasói vélemény alapján)
Deep Learning and the Game of Go
Összefoglaló
A Deep Learning and the Game of Go megtanítja, hogyan lehet a mélytanulás erejét komplex következtetési feladatokra alkalmazni egy Go-t játszó mesterséges intelligencia létrehozásával. Miután megismerkedtél a gépi és mélytanulás alapjaival, Python nyelven építesz egy robotot, majd megtanítod neki a játék szabályait.
Előszó: Thore Graepel, DeepMind.
A nyomtatott könyv megvásárlása magában foglalja a Manning Publications ingyenes e-könyvét PDF, Kindle és ePub formátumban.
A technológiáról
A Go ősi stratégiai játék hihetetlen esettanulmány a mesterséges intelligencia számára. 2016-ban egy mélytanuláson alapuló rendszer sokkolta a Go világát azzal, hogy legyőzte a világbajnokot. Nem sokkal később a továbbfejlesztett AlphaGo Zero szétzúzta az eredeti robotot, mivel mély megerősítő tanulást használva elsajátította a játékot. Most ugyanezeket a mély tanulási technikákat tanulhatod meg a saját Go botod megépítésével.
A könyvről
A Deep Learning and the Game of Go bemutatja a mélytanulást, megtanítva egy Go-nyerő robotot építeni. Ahogy haladsz előre, egyre összetettebb képzési technikákat és stratégiákat fogsz alkalmazni a Python mélytanulási könyvtár Keras segítségével. Élvezni fogod, ahogy a robotod elsajátítja a Go játékot, és eközben felfedezheted, hogyan alkalmazhatod új mélytanulási képességeidet más forgatókönyvek széles skáláján.
Mi van benne?
⬤ Építs és taníts egy önfejlesztő játék mesterséges intelligenciát.
⬤ Klasszikus játék mesterséges intelligencia rendszerek fejlesztése mélytanulással.
⬤ Neurális hálózatok implementálása mélytanuláshoz.
Az olvasóról
Mindössze Python alapismeretekre és középiskolai szintű matematikára van szükséged. Nem szükséges mélytanulási tapasztalat.
A szerzőről
Max Pumperla és Kevin Ferguson tapasztalt mélytanulási szakemberek, akik jártasak az elosztott rendszerekben és az adattudományban. Max és Kevin együtt építették a nyílt forráskódú BetaGo botot.
Tartalomjegyzék
1. RÉSZ - ALAPOK.
⬤ A mélytanulás felé: bevezetés a gépi tanulásba.
⬤ Go mint gépi tanulási probléma.
⬤ Az első Go bot megvalósítása.
2. RÉSZ - GÉPI TANULÁS ÉS JÁTÉK-AI.
⬤ Játékok lejátszása fakereséssel.
⬤ A neurális hálózatokkal való kezdés.
⬤ Neurális hálózat tervezése Go adatokhoz.
⬤ Tanulás adatokból: egy mélytanuló robot.
⬤ Botok bevetése a vadonban.
⬤ Tanulás a gyakorlatban: megerősítő tanulás.
⬤ Keményítéses tanulás szabályzati gradiensekkel.
⬤ Keményítő tanulás értékmódszerekkel.
⬤ Elősítéses tanulás szereplő-kritikus módszerekkel.
3. RÉSZ - NAGYOBB, MINT A RÉSZEK ÖSSZEGE.
⬤ AlphaGo: Az egészet összefogva.
⬤ AlphaGo Zero: A fakeresés és a megerősítéses tanulás integrálása.
© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)
