Reinforcement Learning
40,50 €*
Sofort verfügbar, Lieferzeit: 1-3 Tage
Produktnummer:
9783662683101
In uralten Spielen wie Schach oder Go können sich die brillantesten Spieler verbessern, indem sie die von einer Maschine produzierten Strategien studieren. Robotische Systeme üben ihre Bewegungen selbst. In Arcade Games erreichen lernfähige Agenten innerhalb weniger Stunden übermenschliches Niveau. Wie funktionieren diese spektakulären Algorithmen des bestärkenden Lernens? Mit gut verständlichen Erklärungen und übersichtlichen Beispielen in Java und Greenfoot können Sie sich die Prinzipien des bestärkenden Lernens aneignen und in eigenen intelligenten Agenten anwenden. Greenfoot (M.Kölling, King¿s College London) und das Hamster-Modell (D.Bohles, Universität Oldenburg) sind einfache, aber auch mächtige didaktische Werkzeuge, die entwickelt wurden, um Grundkonzepte der Programmierung zu vermitteln. Wir werden Figuren wie den Java-Hamster zu lernfähigen Agenten machen, die eigenständig ihre Umgebung erkunden. Die zweite Auflage enthält neue Themen wie "Genetische Algorithmen" und "Künstliche Neugier" sowie Erklärungen zu aktuellen Algorithmen wie A3C und PPO (wurde u.a. für das Finetuning von ChatGPT verwendet), außerdem Korrekturen und Überarbeitungen.
| Autor: | Lorenz, Uwe |
|---|---|
| EAN: | 9783662683101 |
| Auflage: | 002 |
| Sprache: | Deutsch |
| Seitenzahl: | 220 |
| Produktart: | kartoniert, broschiert |
| Verlag: | Springer-Verlag GmbH Springer Berlin Heidelberg |
| Veröffentlichungsdatum: | 05.04.2024 |
| Untertitel: | Aktuelle Ansätze verstehen - mit Beispielen in Java und Greenfoot |
| Schlagworte: | Architektur (EDV) Rechnerarchitektur Data Mining (EDV) Datenverarbeitung / Datenverschlüsselung, Kryptografie EDV / Theorie / Allgemeines Expertensystem Informationstechnologie IT Technologie / Informationstechnologie Informationstheorie Java Kryptologie Intelligenz / Künstliche Intelligenz KI Künstliche Intelligenz - AI Programmiersprachen Wissensbasiertes System |
| Größe: | 13 × 168 × 240 |
| Gewicht: | 378 g |
Verwandte Artikel
