Reinforcement Learning

Uwe Lorenz

ISBN 10: 3662683105 / ISBN 13: 9783662683101

Verlag: Springer Berlin Heidelberg, Springer Berlin Heidelberg Apr 2024, 2024

Beschreibung

Neuware -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 lernfähigeAgenten innerhalb weniger Stunden übermenschliches Niveau. Wie funktionierendiese spektakulären Algorithmen des bestärkenden Lernens Mit gut verständlichen Erklärungen und übersichtlichen Beispielen in Java und Greenfoot könnenSie sich die Prinzipien des bestärkenden Lernens aneignen und in eigenen intelligenten Agenten anwenden. Greenfoot (M.Kölling, King's College London) und dasHamster-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. 220 pp. Deutsch.

Bestandsnummer des Verkäufers 9783662683101

Bibliografische Details

• Titel: Reinforcement Learning
• Verlag: Springer Berlin Heidelberg, Springer Berlin Heidelberg Apr 2024
• Erscheinungsjahr: 2024
• Sprache: Deutsch
• ISBN-10: 3662683105
• ISBN-13: 9783662683101
• Einband: Taschenbuch
• Auflage: 2. Auflage
• Zustand: Neu
• Abmessungen: 240B x 168 H x 13 T Millimeter Breite: 240 mm, Höhe: 168 mm, Tiefe: 13 mm
• Gewicht: 378 Gramm

Über diesen Titel

Inhaltsangabe

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.

 

Über die Autorin bzw. den Autor

Uwe Lorenz war nach seinem Studium der Informatik und Philosophie mit Schwerpunkt Künstliche Intelligenz und Maschinelles Lernen an der Humboldt-Universität in Berlin und einigen Jahren als Projektingenieur für 10 Jahr als Gymnasiallehrer für Informatik und Mathematik tätig. Seit seinem Erstkontakt mit Computern Ende der 80er Jahre hat ihn das Thema Künstliche Intelligenz nicht mehr losgelassen. Derzeit arbeitet er als wissenschaftlicher Mitarbeiter in der Arbeitsgruppe Didaktik der Informatik an der Freien Universität Berlin in einem Projekt zur Thematik "Verantwortungsvolle Künstliche Intelligenz in der Lehramtsausbildung".