Oppdag verdenen av forsterkningslæringsalgoritmer og hvordan du kan bruke dem i ulike bruksområder med Python. Denne boken dekker essensielle temaer som policy gradients og Q-læring, og bruker rammeverk som TensorFlow, Keras og OpenAI Gym. 'Applied Reinforcement Learning with Python' gir deg en grundig introduksjon til teorien bak forsterkningslæring (RL) algoritmer, samt koden som benyttes for implementering. Du får en veiledet gjennomgang av funksjonene i OpenAI Gym, fra å bruke standardbiblioteker til å lage dine egne miljøer. Deretter vil du lære hvordan du kan strukturere forsterkningslæringsproblemer, slik at du kan forske, utvikle og implementere RL-baserte løsninger. I boken vil du lære hvordan du kan: implementere forsterkningslæring med Python, arbeide med AI-rammeverk som OpenAI Gym, TensorFlow og Keras, utnytte skyressurser til å deployere og trene RL-baserte løsninger, samt anvende praktiske applikasjoner av forsterkningslæring. Boken er spesielt rettet mot dataforskere og maskinlæringsentusiaster.
