PyTorch를 활용한 강화학습/심층강화학습 실전 입문
데이터 사이언스 시리즈 025 | 파이토치로 익히는 기초 강화학습 및 심층강화학습 알고리즘의 원리와 구현
| 소장 | 종이책 정가 | 25,000원 |
|---|---|---|
| 전자책 정가 | 28%18,000원 | |
| 판매가 | 18,000원 |
- 출간 정보
- 2022.11.15. 전자책 출간
- 2018.12.18. 종이책 출간
- 파일 정보
- 11.8MB
- 256쪽
- ISBN
- 9791158393892
- ECN
- -
PyTorch를 활용한 강화학습/심층강화학습 실전 입문 상세페이지
PyTorch를 활용한 강화학습/심층강화학습 실전 입문작품 소개
<PyTorch를 활용한 강화학습/심층강화학습 실전 입문> 강화학습과 심층강화학습 알고리즘을 직접 구현하면서 이해한다!
이 책에서는 강화학습이나 딥러닝 같은 이론보다는 강화학습을 실제로 구현하는 데 초점을 맞춘다. 연구자가 아닌 일반인을 대상으로 실제로 강화학습 알고리즘을 구현하는 과정과 통해 강화학습 및 강화학습에 딥러닝을 접목한 심층강화학습을 이해하는 것을 목표로 한다. 따라서 이론보다는 구현을 중시하고 코드와 그에 대한 설명을 많이 다룬다. 초보 수준의 파이썬 프로그래밍 및 선형대수에 대한 지식을 갖췄고, 딥러닝과 강화학습에 대해 관심은 있지만 자세한 구현 방법을 알지 못하는 분들이라면 이 책을 통해 강화학습 및 심층강화학습 알고리즘의 원리와 구체적인 구현 방법을 손에 익힐 수 있을 것이다.
★ 이 책에서 다루는 내용 ★
- 강화학습 기초 이론
- 미로찾기를 통한 강화학습 구현
- 역진자 문제를 통한 강화학습 구현
- 파이토치를 이용한 딥러닝 구현
- 심층강화학습 알고리즘 구현: DQN
- 기타 심층강화학습 알고리즘 및 구현 방법
- AWS GPU 환경에서 벽돌 깨기 구현
저자 소개
오가와 유타로
주식회사 덴쓰 국제정보서비스 기술본부 개발기술부 소속. 딥러닝을 비롯한 머신러닝 관련 기술의 연구개발 및 워크스타일이노베이션실의 HR 데이터 분석을 담당하고 있다. 아카시 공업고등전문학교, 도쿄대학 공학부를 거쳐 도쿄대학 대학원의 짐보-코타니 연구실에서 뇌기능 계측 및 계산 신경과학을 연구했으며 2016년 박사학위를 취득했다. 도쿄대학 특임연구원을 거쳐 현직에는 2017년 4월부터 종사 중이다.
깃허브: https://github.com/YutaroOgawa
Qiita: https://qiita.com/sugulu
목차
01장: 강화학습이란 무엇인가?
1.1 머신러닝의 유형(지도학습, 비지도학습, 강화학습)
__용어 정리
__지도학습, 비지도학습, 강화학습
1.2 강화학습 및 심층강화학습의 역사
__강화학습과 뇌에서 일어나는 학습
__강화학습과 딥러닝의 결합
1.3 심층강화학습의 응용 사례
__심층강화학습의 응용 사례
__심층강화학습의 미래
· 02장: 미로찾기를 위한 강화학습 구현
2.1 주피터 노트북 체험 페이지 사용법
__이번 장에서 사용할 강화학습 구현 및 실행 환경
__주피터 노트북 체험 페이지 사용법
2.2 미로와 에이전트 구현
__미로 구현
__에이전트 구현
2.3 정책반복 구현
__정책반복과 가치반복
__정책경사 알고리즘에 따라 에이전트 이동시키기
__정책경사 알고리즘으로 정책 수정
__정책경사 알고리즘에 대한 이론
__보상
2.4 가치반복 알고리즘 관련 용어 정리
__행동가치와 상태가치
__벨만 방정식과 마르코프 결정 프로세스
__ε-greedy 알고리즘으로 정책 구현하기
2.5 Sarsa 알고리즘 구현
__행동가치 함수 Q(s,a)를 Sarsa 알고리즘으로 수정
__Sarsa로 미로찾기 구현
__Q러닝의 알고리즘
__Q러닝 구현
2.6 Q러닝 구현
· 03장: 역진자 문제를 위한 강화학습 구현
3.1 로컬 PC에 강화학습 개발환경 갖추기
__파이썬 실행 환경인 아나콘다 설치
__강화학습에 사용할 라이브러리 설치
3.2 역진자 태스크 “CartPole”
__CartPole이란?
__CartPole 구현
3.3 다변수, 연속값 상태를 표형식으로 나타내기
__CartPole의 상태
__상태의 이산변수 변환 구현
3.4 Q러닝 구현
· 04장: 파이토치를 이용한 딥러닝 구현
4.1 신경망과 딥러닝의 역사
__첫 번째 신경망 연구 붐
__두 번째 신경망 연구 붐
__세 번째 신경망 연구 붐
4.2 딥러닝의 계산 과정
__추론 단계
__학습 단계
4.3 파이토치를 이용한 MNIST 손글씨 이미지 분류 구현
__파이토치란?
__파이토치 개발환경 갖추기
__MNIST 데이터 다운로드
__파이토치를 이용한 딥러닝 구현
____1. 데이터 전처리
____2. DataLoader 생성
____3. 신경망 구성
____4. 오차함수 및 최적화 기법 설정
____5. 학습 및 추론 설정
____6. 학습 및 추론 수행
파이토치 사용법에 대한 보충 설명
· 05장: 딥러닝을 적용한 강화학습 - DQN 구현
5.1 딥러닝을 적용한 Q러닝
__표형식 표현의 문제점
__심층강화학습 알고리즘 DQN
5.2 DQN을 구현할 때 중요한 4가지 기법
5.3 DQN 구현(1)
__파이토치로 DQN을 구현할 때 주의점
__DQN 구현
5.4 DQN 구현(2)
· 06장: 딥러닝을 적용한 강화학습 - 심화 과정
6.1 심층강화학습 알고리즘 지도
6.2 DDQN(Double-DQN) 구현
__DDQN
__DDQN 구현
6.3 Dueling Network 구현
__Dueling Network
__Dueling Network 구현
6.4 Prioritized Experience Replay 구현
__Prioritized Experience Replay
__Prioritized Experience Replay 구현
6.5 A2C 구현
__A2C
__A2C 구현
· 07장: AWS GPU 환경에서 벽돌 깨기 구현
7.1 벽돌 깨기 게임 “Breakout”
7.2 AWS로 GPU를 사용하는 딥러닝 실행 환경 구성
__우분투 터미널 설치
__가상 서버와 통신하는 데 사용할 키 생성
__AWS에서 딥러닝을 실행할 가상 서버 만들기
__벽돌 깨기 게임 실행 환경 구축
7.3 Breakout 학습에서 중요한 포인트 4가지
__로컬 PC 환경 설정
__Breakout 게임을 학습하는 데 중요한 포인트 4가지
7.4 A2C 구현(1)
7.5 A2C 구현(2)
리뷰
구매자 별점
0.0 점
점수비율
- 5
- 4
- 3
- 2
- 1
0명이 평가함
리뷰 작성 영역
내가 남긴 별점 0.0
별로예요
그저 그래요
보통이에요
좋아요
최고예요
'구매자' 표시는 리디에서 유료도서 결제 후 다운로드 하시거나 리디셀렉트 도서를 다운로드하신 경우에만 표시됩니다.
- 무료 도서 (프로모션 등으로 무료로 전환된 도서 포함)
- '구매자'로 표시되지 않습니다.
- 시리즈 도서 내 무료 도서
- '구매자’로 표시되지 않습니다. 하지만 같은 시리즈의 유료 도서를 결제한 뒤 리뷰를 수정하거나 재등록하면 '구매자'로 표시됩니다.
- 영구 삭제
- 도서를 영구 삭제해도 ‘구매자’ 표시는 남아있습니다.
- 결제 취소
- ‘구매자’ 표시가 자동으로 사라집니다.
리뷰 및 사용자 신고하기
댓글 및 사용자 신고하기
사용자 차단
사용자 차단 해제
데이터 사이언스 시리즈
이 책과 함께 구매한 책
이 책과 함께 둘러본 책
성인 인증 안내
성인 재인증 안내
성인 인증 안내
성인 재인증 안내
청소년보호법에 따라 성인 인증은 1년간
유효하며, 기간이 만료되어 재인증이 필요합니다.
성인 인증 후에 이용해 주세요.
해당 작품은 성인 인증 후 보실 수 있습니다.
성인 인증 후에 이용해 주세요.
청소년보호법에 따라 성인 인증은 1년간
유효하며, 기간이 만료되어 재인증이 필요합니다.
성인 인증 후에 이용해 주세요.
해당 작품은 성인 인증 후 선물하실 수 있습니다.
성인 인증 후에 이용해 주세요.
본문 끝 최상단으로 돌아가기
