Applied Reinforcement Learning with Python
Taweh Beysolow II
- Editorial
- Apress
- Año
- 2019
- Páginas
- ~168
- Nivel
- Intermedio
De qué trata
Guía práctica de aprendizaje por refuerzo aplicada escrita por Taweh Beysolow II y publicada por Apress en 2019. Introduce los algoritmos centrales del aprendizaje por refuerzo utilizando Python y bibliotecas como OpenAI Gym y TensorFlow/PyTorch.
Examina los procesos de decisión de Markov (MDP), métodos de Monte Carlo, diferencias temporales, algoritmos Q-Learning, Deep Q-Networks (DQN) y métodos de gradiente de política aplicados a entornos simulados.
Taweh Beysolow II combina una formulación matemática intuitiva con código ejecutable paso a paso, permitiendo al lector comprender cómo entrenar agentes capaces de tomar decisiones autónomas. Muy accesible para desarrolladores que ingresan al machine learning.
- Reinforcement Learning
- OpenAI Gym
- Q-Learning
- DQN
- TensorFlow
- Taweh Beysolow
- Apress
¿Cómo enseña?
Con proyectos
- ✓ Incluye ejercicios
- ✓ Incluye proyectos
Proyectos
Agente Autónomo de Negociación Bursátil con Deep Q-Learning
Entrenamiento de un modelo de aprendizaje por refuerzo sobre series financieras para optimizar carteras de inversión simuladas.
