机读格式显示(MARC)

• 000 02112nam 2200349 450

• 001 0001347586

• 005 20231202133800.0

• 010 __ |a 978-7-111-73489-5 |d CNY129.00

• 100 __ |a 20231019d2023 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a Python强化学习 |A Python qiang hua xue xi |e 算法、核心技术与行业应用 |f (美) 埃内斯·比尔金著 |d = Mastering reinforcement learning with python |f Enes Bilgin |g 朱小虎, 汪莉娟, 张韩昊帝译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2023

• 215 __ |a xv, 348页 |c 图 |d 24cm

• 225 2_ |a 智能系统与技术丛书 |A zhi neng xi tong yu ji shu cong shu

• 306 __ |a 本书中文简体字版由Packt Publishing授权机械工业出版社独家出版

• 314 __ |a 埃内斯·比尔金 (Enes Bilgin), 微软自主系统部门的高级人工智能工程师和技术主管。他是一名机器学习与运筹学从业者和研究员, 在使用Python、TensorFlow和Ray/RLlib为顶级科技公司构建生产系统和模型方面拥有丰富的经验。他拥有波士顿大学系统工程硕士学位和博士学位, 以及比尔肯特大学工业工程学士学位。

• 320 __ |a 有书目

• 330 __ |a 本书分为四部分: 第一部分涵盖强化学习的必要背景, 包括定义、数学基础和强化学习解决方案的概述; 第二部分深入介绍最先进的强化学习算法(规模化的深度Q-学习、基于策略的方法、基于模型的方法、多智能体强化学习等), 包括每种算法的优缺点; 第三部分介绍强化学习中的高级技术, 包括机器教学、泛化和域随机化、元强化学习等主题, 还涵盖强化学习中有助于改进模型的各种高级主题; 第四部分讲解强化学习的各种应用, 例如自主系统、供应链管理、营销和金融、智慧城市与网络安全等, 并讨论强化学习领域的一些挑战及未来方向。

• 410 _0 |1 2001 |a 智能系统与技术丛书

• 500 10 |a Mastering reinforcement learning with python |A Mastering reinforcement learning with python |m Chinese

• 517 1_ |a 算法、核心技术与行业应用 |A suan fa 、he xin ji shu yu hang ye ying yong

• 606 0_ |a 软件工具 |A ruan jian gong ju |x 程序设计

• 690 __ |a TP311.561 |v 5

• 701 _1 |a 比尔金 |A bi er jin |g (Bilgin, Enes) |4 著

• 702 _0 |a 朱小虎 |A zhu xiao hu |4 译

• 702 _0 |a 汪莉娟 |A wang li juan |4 译

• 702 _0 |a 张韩昊帝 |A zhang han hao di |4 译

• 801 _0 |a CN |b 湖北三新 |c 20231025

• 905 __ |a ZPHC |d TP311.561/407