Den nyeste utgaven av den bestselgende guiden til dyp forsterkningslæring (Deep Reinforcement Learning) gir en omfattende innføring i hvordan denne teknikken kan brukes til å løse komplekse problemer i verden rundt oss. Denne andre utgaven er revidert og utvidet med seks nye kapitler som dekker viktige emner som multi-agent metoder, diskret optimalisering, forsterkningslæring innen robotikk, og avanserte utforskingsteknikker. I "Deep Reinforcement Learning Hands-On" vil du lære om det essensielle innen forsterkningslæring, og du får praktiske ferdigheter i å kode intelligente læringsagenter som kan utføre ulike praktiske oppgaver. Blant de nye teknikkene som introduseres, finner vi avanserte utforskingsteknikker som støyete nettverk, pseudo-telling og nettverksdestillasjonsmetoder. Du vil også oppdage hvordan forsterkningslæring kan brukes på rimelige robotikk-plattformer, noe som gir leserne en praktisk tilnærming til emnet. Med en grundig dekning av de nyeste verktøyene og metodene innen forsterkningslæring er denne boken ideell for både nybegynnere som ønsker å bli kjent med feltet, og for erfarne utviklere som ønsker å oppdatere sine kunnskaper og ferdigheter.
