Foundations of Deep Reinforcement Learning gir en grundig innføring i dypt forsterkningslæring, et felt som kombinerer dyp læring med forsterkningslæring og hvor kunstige agenter lærer å løse sekvensielle beslutningsproblemer. I løpet av det siste tiåret har dypt forsterkningslæring gjort bemerkelsesverdige fremskritt innen en rekke oppgaver, fra både enkelt- og flerspiller spill, som Go, Atari-spill og DotA 2, til anvendelser innen robotikk. Boken skiller seg ut ved å tilby en enestående kombinasjon av teori og praktisk implementering. Den begynner med å gi leseren intuitiv forståelse, deretter forklares teorien bak dypt RL-algoritmer grundig. Videre drøftes implementeringene i tilhørende programvarebiblioteket SLM Lab, og boken avsluttes med praktiske detaljer for å få dypt forsterkningslæring til å fungere effektivt. Denne guiden er perfekt for både datavitenskapsstudenter og programvareutviklere som har kjennskap til grunnleggende maskinlæring og en noe forståelse for Python.
