Bewertung:
Das Buch ist hoch angesehen für seinen praktischen Ansatz, maschinelles Lernen anhand der Entwicklung einer KI für das Go-Spiel zu vermitteln. Die Leser schätzen die klaren Erklärungen, die Relevanz sowohl für Entwickler als auch für Go-Spieler und die praxisnahen Programmierbeispiele. Einige Benutzer hatten jedoch erhebliche Probleme mit der Kompatibilität des Codes, dem Fehlen detaillierter Kommentare und der Tiefe in bestimmten Bereichen. Insgesamt ist das Buch für alle empfehlenswert, die eine solide Grundlage in der Programmierung und Interesse an Deep Learning haben.
Vorteile:Praktischer und ansprechender Ansatz zum Erlernen des maschinellen Lernens mit Go.
Nachteile:Klare Erklärungen zu komplexen Themen wie Deep Reinforcement Learning.
(basierend auf 15 Leserbewertungen)
Deep Learning and the Game of Go
Zusammenfassung
In Deep Learning and the Game of Go lernen Sie, wie Sie die Leistungsfähigkeit von Deep Learning auf komplexe Denkaufgaben anwenden können, indem Sie eine Go spielende KI entwickeln. Nachdem Sie die Grundlagen des maschinellen und tiefen Lernens kennengelernt haben, werden Sie mit Python einen Bot bauen und ihm die Spielregeln beibringen.
Vorwort von Thore Graepel, DeepMind.
Der Kauf des gedruckten Buches beinhaltet ein kostenloses eBook im PDF-, Kindle- und ePub-Format von Manning Publications.
Über die Technologie
Das uralte Strategiespiel Go ist eine unglaubliche Fallstudie für KI. Im Jahr 2016 schockierte ein auf Deep Learning basierendes System die Go-Welt, indem es einen Weltmeister besiegte. Kurz darauf übertraf das weiterentwickelte AlphaGo Zero den ursprünglichen Bot, indem es tiefes Verstärkungslernen einsetzte, um das Spiel zu meistern. Jetzt können Sie dieselben Deep-Learning-Techniken erlernen, indem Sie Ihren eigenen Go-Bot bauen.
Über das Buch
Deep Learning and the Game of Go führt in das Deep Learning ein, indem es Ihnen beibringt, einen Go-gewinnenden Bot zu bauen. Im Laufe des Kurses wenden Sie immer komplexere Trainingstechniken und -strategien mit der Deep-Learning-Bibliothek Keras von Python an. Es wird Ihnen Spaß machen, Ihrem Bot dabei zuzusehen, wie er das Go-Spiel meistert, und ganz nebenbei werden Sie entdecken, wie Sie Ihre neuen Deep-Learning-Fähigkeiten auf eine Vielzahl anderer Szenarien anwenden können.
Was ist drin?
⬤ Erstellen und lehren Sie eine sich selbst verbessernde Spiel-KI.
⬤ Klassische Spiele-KI-Systeme mit Deep Learning erweitern.
⬤ Neuronale Netze für Deep Learning implementieren.
Über den Leser
Alles, was Sie brauchen, sind grundlegende Python-Kenntnisse und Mathe auf Highschool-Niveau. Keine Erfahrung mit Deep Learning erforderlich.
Über den Autor
Max Pumperla und Kevin Ferguson sind erfahrene Deep-Learning-Spezialisten, die sich mit verteilten Systemen und Datenwissenschaft auskennen. Zusammen haben Max und Kevin den Open-Source-Bot BetaGo entwickelt.
Inhaltsverzeichnis
TEIL 1 - GRUNDLAGEN.
⬤ Deep Learning: Eine Einführung in das maschinelle Lernen.
⬤ Go als Problem des maschinellen Lernens.
⬤ Implementierung Ihres ersten Go-Bots.
TEIL 2 - MASCHINELLES LERNEN UND SPIEL-KI.
⬤ Spiele mit Baumsuche spielen.
⬤ Einstieg in neuronale Netze.
⬤ Entwerfen eines neuronalen Netzes für Go-Daten.
⬤ Aus Daten lernen: ein Deep-Learning-Bot.
⬤ Einsatz von Bots in der freien Wildbahn.
⬤ Lernen durch Praxis: Verstärkungslernen.
⬤ Verstärkungslernen mit Policy-Gradienten.
⬤ Verstärkungslernen mit Wertmethoden.
⬤ Verstärkungslernen mit akteurskritischen Methoden.
TEIL 3 - MEHR ALS DIE SUMME SEINER TEILE.
⬤ AlphaGo: Das Ganze zusammenführen.
⬤ AlphaGo Zero: Integration von Baumsuche und Reinforcement Learning.
| ISBN: | 9781617295324 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 384 |
Derzeit verfügbar, auf Lager.
