Denne boken gir en praktisk innføring i utviklingen av smarte agenter ved hjelp av Python, PyTorch og TensorFlow. Den gir leseren innsikt i velkjente teknikker innenfor forsterkningslæring, som Monte-Carlo metoder, Deep Q-Learning, Policy Gradient og Actor-Critic. Med et fokus på praktisk erfaring tilbyr boken hands-on prosjekter der man benytter seg av TensorFlow og PyTorch. Innholdet er kortfattet, ajourført og presentert på en visuell måte med forenklet matematikk, noe som gjør det lettere å forstå selv de mer komplekse konseptene. Forsterkningslæring er en fascinerende gren av kunstig intelligens som skiller seg fra tradisjonell maskinlæring ved sin metode for tilpasning og læring i uforutsigbare miljøer. Denne tilnærmingen gir muligheter for utallige virkelige applikasjoner innen helsevesen, spill, imitasjonslæring og robotikk. Boken gir en pragmatisk innføring i forsterkningslæring og er spesielt tilpasset nybegynnere, uten å overvelde leseren med omfattende matematikk.
