Ressourcen für den Einstieg in das vertiefte Lernen

Angenommen, der Lernende beherrscht künstliche neuronale Netze und verfügt über einen Hintergrund im Bereich des verstärkten Lernens. Was sind einige gute Ressourcen (Bücher / Videos / Papiere / GitHub-Repo / etc.), Um mit dem vertieften Lernen zu beginnen?

Sie können viele Ressourcen auf Github sehen, einschließlich dieser aktuellen Liste von Deep RL-Papieren

Schauen Sie sich auch einige Implementierungen wie Deep Q Learning an

Und hier ist ein schönes Video von David Silver bei RLDM videolectures.net deep RL

Eine schöne Einführung in Deep Enforcement Learning von Lex Fridman (2019-01): https://youtu.be/zR11FLZ-O9M

2 kostenlose, einfach zu lesende Blog-Beiträge für den Einstieg in das vertiefte Lernen: Der erste konzentriert sich auf politische Gradienten, der zweite auf tiefes Q-Lernen.

1. Deep Reinforcement Learning: Pong aus Pixeln ( Spiegel ) von Andrej Karpathy (31. Mai 2016).
2. Demystifying Deep Reinforcement Learning ( Spiegel ) von Tambet Matiise über Nervana (21. Dezember 2015)

Dann zwei weitere ausführliche Ressourcen:

1. 10 Videos zu je ~ 90 Minuten: Advanced Topics 2015 (COMPM050 / COMPGI13) ( Spiegel ) zum Reinforcement Learning von David Silver (2015)
2. 455-seitiges kostenloses Buch: Reinforcement Learning: Eine Einführung (2. Auflage) von Richard S. Sutton und Andrew G. Barto (2016)

So starten Sie die Codierung:

1. Learning Reinforcement Learning (mit Code, Übungen und Lösungen) ( Spiegel ) von Denny Britz (2. Oktober 2016)
2. Lernbeispiele für minimale und saubere Verstärkung (2017)
3. Verwenden von Keras und Deep Q-Network zum Spielen von FlappyBird ( Spiegel , Code ) von Ben Lau (10. Juli 2016) (der Code kann problemlos unter Ubuntu ausgeführt werden)
4. Verwenden von Keras und Deep Deterministic Policy Gradient zum Spielen von TORCS ( Spiegel , Code ) von Ben Lau (11. Oktober 2016) (Hinweis: Die Installation der gym_torcsAnforderung zum Ausführen des Codes kann einige Zeit dauern, und Anweisungen werden nur für Linux gegeben).

Weitere Links:

• Eine kuratierte Liste von Ressourcen, die dem verstärkten Lernen gewidmet sind.