상세정보
미리보기
파이썬과 케라스로 배우는 강화학습
- 저자
- 이웅원,양혁렬,김건우,이영무,이의령 저
- 출판사
- 위키북스
- 출판일
- 2021-06-02
- 등록일
- 2021-11-18
- 파일포맷
- PDF
- 파일크기
- 13MB
- 공급사
- YES24
- 지원기기
-
PC
웹뷰어
프로그램 수동설치
뷰어프로그램 설치 안내
책소개
강화학습의 기초부터 최근 알고리즘까지 친절하게 설명합니다!‘알파고’로부터 받은 신선한 충격으로 많은 사람들이 강화학습에 관심을 가지기 시작했다. 하지만 처음 강화학습을 공부하는 분들을 위한 쉬운 자료나 강의를 찾아보기 어려웠다. 외국 강의를 통해 어렵게 이론을 공부하더라도 강화학습을 구현하는 데는 또 다른 장벽이 있었다. 이 책은 강화학습을 처음 공부하는 데 어려움을 겪는 독자를 위해 이론부터 코드 구현까지의 가이드를 제시한다.특히 이번 개정판에서는 텐서플로 버전업에 맞춰서 코드를 업데이트하고 전반적인 이론 및 코드 설명을 개선했다. 그리고 실무에서 많이 활용될 수 있는 연속적 액터-크리틱 알고리즘을 추가했다.
저자소개
뉴욕 대학교에서 컴퓨터과학 학사 학위를 받았습니다. 우버 드라이버 프라이싱 팀에서 소프트웨어 엔지니어로 재직 중이다. 대학교를 다니며 딥러닝과 강화학습 스터디 그룹에 참여하여 『파이썬과 케라스로 배우는 강화학습』(위키북스, 2017)을 공동 집필했다.
목차
[1부] 강화학습 소개▣ 1장: 강화학습 개요___강화학습의 개념 ___스키너의 강화 연구___우리 주변에서의 강화 ___머신러닝과 강화학습 ___스스로 학습하는 컴퓨터, 에이전트 강화학습 문제 ___순차적 행동 결정 문제 ___순차적 행동 결정 문제의 구성 요소 ___방대한 상태를 가진 문제에서의 강화학습 강화학습의 예시: 브레이크아웃 ___딥마인드에 의해 다시 빛을 본 아타리 게임 ___브레이크아웃의 MDP와 학습 방법 정리 ___강화학습의 개념 ___강화학습 문제 ___강화학습의 예시: 브레이크아웃 [2부] 강화학습 기초▣ 2장: 강화학습 기초 1 - MDP와 벨만 방정식MDP ___상태 ___행동 ___보상함수 ___상태 변환 확률___할인율___정책가치함수___가치함수 큐함수벨만 방정식 ___벨만 기대 방정식___벨만 최적 방정식정리___MDP___가치함수___벨만 방정식▣ 3장: 강화학습 기초 2 - 그리드월드와 다이내믹 프로그래밍다이내믹 프로그래밍과 그리드월드___순차적 행동 결정 문제___다이내믹 프로그래밍 ___격자로 이뤄진 간단한 예제: 그리드월드다이내믹 프로그래밍 1: 정책 이터레이션___강화학습 알고리즘의 흐름___정책 이터레이션___정책 평가___정책 발전 ___정책 이터레이션 코드 설명___정책 이터레이션 코드 실행다이내믹 프로그래밍 2: 가치 이터레이션___명시적인 정책과 내재적인 정책___벨만 최적 방정식과 가치 이터레이션___가치 이터레이션 코드 설명___가치 이터레이션 코드 실행다이내믹 프로그래밍의 한계와 강화학습___다이내믹 프로그래밍의 한계 ___모델 없이 학습하는 강화학습 정리 ___다이내믹 프로그래밍과 그리드월드___다이내믹 프로그래밍 1: 정책 이터레이션___다이내믹 프로그래밍 2: 가치 이터레이션___다이내믹 프로그래밍의 한계와 강화학습 ▣ 4장: 강화학습 기초 3 - 그리드월드와 큐러닝강화학습과 정책 평가 1: 몬테카를로 예측___사람의 학습 방법과 강화학습의 학습 방법___강화학습의 예측과 제어___몬테카를로 근사의 예시 ___샘플링과 몬테카를로 예측 강화학습과 정책 평가 2: 시간차 예측___시간차 예측강화학습 알고리즘 1: 살사___살사___살사 코드 설명___살사 코드의 실행 및 결과 강화학습 알고리즘 2: 큐러닝___살사의 한계___큐러닝 이론___큐러닝 코드 설명___큐러닝 코드의 실행 결과 정리___강화학습과 정책 평가 1: 몬테카를로 예측___강화학습과 정책 평가 2: 시간차 예측___강화학습 알고리즘 1: 살사___강화학습 알고리즘 2: 큐러닝[3부] 강화학습 심화▣ 5장: 강화학습 심화 1 - 그리드월드와 근사함수근사함수___몬테카를로, 살사, 큐러닝의 한계___근사함수를 통한 가치함수의 매개변수화인공신경망___인공신경망 1: 인공신경망의 개념___인공신경망 2: 노드와 활성함수 ___인공신경망 3: 딥러닝___인공신경망 4: 신경망의 학습인공신경망 라이브러리: 케라스___텐서플로 2.0과 케라스 소개___간단한 케라스 예제 딥살사 ___딥살사 이론 ___딥살사 코드 설명___딥살사의 실행 및 결과 폴리시 그레이디언트 ___정책 기반 강화학습___폴리시 그레이디언트___REINFORCE 코드 설명___REINFORCE의 실행 및 결과정리___근사함수___인공신경망 ___인공신경망 라이브러리: 케라스___딥살사___폴리시 그레이디언트▣ 6장: 강화학습 심화 2 - 카트폴알고리즘 1: DQN___카트폴 예제의 정의___DQN 이론___DQN 코드 설명___DQN 실행 및 결과알고리즘 2: 액터-크리틱___액터-크리틱 이론 소개___액터-크리틱 코드 설명___액터-크리틱 실행 및 결과___연속적 액터-크리틱 이론 소개___연속적 액터-크리틱 코드 설명___연속적 액터-크리틱 실행 및 결과정리___알고리즘 1: DQN___알고리즘 2: 액터-크리틱▣ 7장: 강화학습 심화 3 - 아타리브레이크아웃 DQN___아타리: 브레이크아웃 ___컨볼루션 신경망(CNN)이란?___브레이크아웃의 컨볼루션 신경망 ___DQN 학습 전 준비 사항 ___DQN 코드 설명 ___텐서보드 사용법___브레이크아웃 DQN 실행 및 결과 브레이크아웃 A3C ___DQN의 한계 ___A3C란? ___멀티스레딩 소개___브레이크아웃 A3C 코드 설명___브레이크아웃 A3C 실행 결과 정리___브레이크아웃 DQN___브레이크아웃 A3C▣ 참고문헌
