資料 | Python強化學習實戰：應用OpenAI Gym和TensorFlow精通強化學習和深度強化學習

強化學習是一種重要的機器學習方法，在智能體及分析預測等領域有許多應用。

《Python強化學習實戰：應用OpenAI Gym和TensorFlow精通強化學習和深度強化學習》共13章，主要包括強化學習的各種要素，即智能體、環境、策略和模型以及相應平臺和庫；Anaconda、Docker、OpenAIGym、Universe和TensorFlow等安裝配置；馬爾可夫鏈和馬爾可夫過程及其與強化學習問題建模之間的關系，動態規劃的基本概念；蒙特卡羅方法以及不同類型的蒙特卡羅預測和控制方法；時間差分學習、預測、離線/在線策略控制等；多臂賭博機問題以及相關的各種探索策略方法；深度學習的各種基本概念和RNN、LSTM、CNN等神經網絡；深度強化學習算法DQN，以及雙DQN和對抗網絡體系結構等改進架構；DRQN以及DARQN；A3C網絡的基本工作原理及架構；策略梯度和優化問題；最后介紹了強化學習的全新進展以及未來發展。

Sudharsan Ravichandiran 是一位數據科學家、研究員、人工智能愛好者以及 YouTuber（搜索 Sudharsan reinforcement learning），獲得了 Anna 大學信息技術學士學位。他的研究領域包括深度學習和強化學習的實現，其中包括自然語言處理和計算機視覺。他曾是一名自由職業的網頁開發人員和設計師，所設計開發的網站屢獲殊榮，同時也熱衷于開源，擅長解答堆棧溢出問題。 

 原書審稿人簡介 Sujit Pal 是 Elsevier 實驗室的技術研究總監， Elsevier 實驗室是 Reed-Elservier 集團公司下的一個先進技術團隊，研究領域包括語義檢索、自然語言處理、機器學習和深度學習。他在 Elsevier 實驗室主要從事搜索質量檢測與改進、圖像分類和重復率檢測、醫學和科學語料庫的標注與本體開發。他曾與 Antonio Gulli 合作撰寫了一本關于深度學習的著作，并在博客 Slamon Run 上撰寫了一些科技文章。 

 Suriyadeepan Ramamoorthy 是一名來自印度 Puducherry 的 AI 研究人員和工程師，主要研究領域是自然語言理解和推理，同時積極撰寫有關深度學習的博客文章。在 SAAMA 技術中，他將先進的深度學習技術應用于生物醫學文本分析，同時也是一名積極推動 FSFTN領域發展的免費軟件宣傳者，另外對社交網絡、數據可視化和創造性編程也非常感興趣。