??

今天要給大家介紹的書是深度強化學習實踐的第二版，本書的主題是強化學習（Reinforcement Learning，RL），它是機器學習（Machine Learning，ML）的一個分支，強調如何解決在復雜環境中選擇最優動作時產生的通用且極具挑戰的問題。學習過程僅由獎勵值和從環境中獲得的觀察驅動。該模型非常通用，能應用于多個真實場景，從玩游戲到優化復雜制造過程都能涵蓋。

由于它的靈活性和通用性，RL領域在快速發展的同時，吸引了很多人的關注。其中，既包括試圖改進現有方法或創造新方法的研究人員，也包括專注于用最有效的方式解決問題的從業人員。

本書內容

本書從結構上看分為四個部分，其中第1～4章為第一部分，第5～10章為第二部分，第11～16為第三部分，第17～25章為第四部分。

第1部分包括第1章到第4章，介紹了強化學習的一些基本概念。

第1章介紹了RL的思想和模型。

第2章使用開源庫Gym介紹了RL實踐。

第3章概述了PyTorch庫。

第4章用最簡單的RL方法對RL的方法和問題進行了初步介紹。

第2部分包括第5章到第10章，介紹了基本的強化學習方法。

第5章介紹了基于價值的RL方法。

第6章描述了深度Q-network（DQN），是對基礎的基于價值的方法的擴展，能解決復雜環境下的問題。

第7章描述了PTAN庫，它可以簡化RL方法的實現。

第8章詳細介紹了DQN的最新擴展方法，以提升在復雜環境下的穩定性和收斂性。

第9章概述了使RL代碼加速執行的辦法。

第10章給出了第一個練習項目，重點是將DQN方法應用于股票交易。

第3部分包括第11章到第16章，介紹基于策略學習的方法及其實踐。

第11章介紹了另一類RL方法，即基于策略學習的方法。

第12章描述了RL中使用非常廣泛的方法之一。

第13章用并行環境交互的方式擴展了actor-critic方法，從而提高了穩定性和收斂性。

第14章給出了第二個項目，展示了如何將RL方法應用于自然語言處理問題。

第15章介紹了RL方法在文字冒險游戲中的應用。

第16章給出了另一個大項目，使用MiniWoB任務集將RL應用于Web導航。

第4部分包括第17到25章，介紹的是強化學習的高階內容。

第17章介紹了連續動作空間的環境特性以及各種方法。

第18章介紹了RL方法在機器人問題中的應用，描述了如何用RL方法來構建和訓練小型機器人。

第19章仍是有關連續動作空間的章節，描述了一組置信域方法在其中的應用。

第20章展示了另一組不顯式使用梯度的方法。

第21章介紹了能更好地進行環境探索的方法。

第22章介紹了RL的基于模型的方法，并使用了將想象力應用于RL的最新研究結果。

第23章描述了AlphaGo Zero方法并將其應用于四子連橫棋游戲中。

第24章使用魔方作為環境，描述了RL方法在離散優化領域的應用。

第25章介紹了一個相對較新的RL方法應用方向，即在多智能體情境下的應用。

作者簡介

馬克西姆·拉潘（Maxim Lapan）是一位深度學習愛好者和獨立研究者。作為一名軟件開發人員和系統架構師，他擁有15年的工作經驗，涉及從底層Linux內核驅動程序開發到性能優化以及在數千臺服務器上工作的分布式應用程序設計的方方面面。他在大數據、機器學習以及大型并行分布式HPC和非HPC系統方面也擁有豐富的經驗，能夠用簡單的詞匯和生動的示例來解釋復雜的事物。他目前感興趣的領域涉及深度學習的實際應用，例如深度自然語言處理和深度強化學習。

讀者對象

本書面向已經有機器學習基礎而想對RL領域進行實踐的讀者。閱讀本書前，讀者應該熟悉Python并且有一定的深度學習和機器學習基礎。具有統計學和概率論知識會大有幫助，但對于理解本書的大部分內容都不是必要的。

贈書

接下來是福利時間，本次我們贈送出3本書籍（前3次獲得贈書的朋友不能再參與本次贈書活動），想要獲得書籍的同學，在本公眾號下方留言，根據點贊數的高低，本周日晚上（9.12）22:00統計出獲獎讀者并進行公示，屆時聯系有三微信Longlongtogo即可。

如果沒有獲得贈書，也可以在京東和當當購買，鏈接如下：

往期相關

• 【CV春季劃】2021年有三AI-CV春季劃出爐，最后一屆言有三手把手從零帶學

• 【CV夏季劃】2021年有三AI-CV夏季劃出爐，沖刺秋招，從CV基礎到模型優化徹底掌握
  

• 【CV秋季劃】生成對抗網絡GAN有哪些研究和應用，如何循序漸進地學習好？

• 【CV秋季劃】模型優化很重要，如何循序漸進地學習好？

• 【CV秋季劃】人臉算法那么多，如何循序漸進地學習好？

• 【CV秋季劃】圖像質量提升與編輯有哪些研究和應用，如何循序漸進地學習好？

總結

以上是生活随笔為你收集整理的【赠书】掌握人工智能重要主题，深度强化学习实践书籍推荐的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。