練好機器學習的基本功|用Python進行基礎數學理論的實作 機器學習入門|從玻爾茲曼機器學習到深度學習
第1章 強化學習的概要1.1 機械學習的分類(監督式學習、非監督式學習、強化學習)1.2 強化學習、深度強化學習的歷史1.3 深度強化學習的應用實例第2章 以強化學習建置迷宮課題2.1 Try Jupter的使用方法2.2 建置迷宮與智能體2.3 建置策略迭代法2.4 整理價值迭代法的專業術語2.5 建置Sarsa2.6 建置Q學習第3章 利用倒立單擺課題學習強化學習3.1 於本地端電腦建置強化學習執行環境的方法3.2 解說倒立單擺課題「CartPole」3.3 說明多變數、連續值狀態的表格表示法3.4 撰寫Q學習第4章 利用PyTorch建置深度學習4.1 神經網路與深度學習的歷史4.2 解說深度學習的計算方式4.3 利用PyTorch撰寫分類手寫數字影像的MNIST課題第5章 建置深度強化學習DQN5.1 深度強化學習DQN(Deep Q-Network)的解說5.2 建置DQN的四項重點5.3 建置DQN(上篇)5.4 建置DQN(下篇)第6章 建置深度強化學習的進階版6.1 深度強化學習的演算法地圖6.2 建置DDQN(Double-DQN)6.3 建置Dueling Network6.4 建置Prioritized Experience Replay6.5 建置A2C第7章 於AWS的GPU環境建置打磚塊遊戲7.1 解說打磚塊遊戲「Breakout」7.2 於AWS建置使用GPU的深度學習的執行環境7.3 學習Breakout之際的四項重要事項7.4 A2C的建置(上篇)7.5 A2C的建置(下篇)