资料 | python强化学习实战：应用openai gym和tensorflow精通强化学习和深度强化学习 | 雷峰网-米乐m6平台

强化学习是一种重要的机器学习方法，在智能体及分析预测等领域有许多应用。

《python强化学习实战：应用openai gym和tensorflow精通强化学习和深度强化学习》共13章，主要包括强化学习的各种要素，即智能体、环境、策略和模型以及相应平台和库；anaconda、docker、openaigym、universe和tensorflow等安装配置；马尔可夫链和马尔可夫过程及其与强化学习问题建模之间的关系，动态规划的基本概念；蒙特卡罗方法以及不同类型的蒙特卡罗预测和控制方法；时间差分学习、预测、离线/在线策略控制等；多臂赌博机问题以及相关的各种探索策略方法；深度学习的各种基本概念和rnn、lstm、cnn等神经网络；深度强化学习算法dqn，以及双dqn和对抗网络体系结构等改进架构；drqn以及darqn；a3c网络的基本工作原理及架构；策略梯度和优化问题；最后介绍了强化学习的全新进展以及未来发展。

sudharsan ravichandiran 是一位数据科学家、研究员、人工智能爱好者以及 youtuber（搜索 sudharsan reinforcement learning），获得了 anna 大学信息技术学士学位。他的研究领域包括深度学习和强化学习的实现，其中包括自然语言处理和计算机视觉。他曾是一名自由职业的网页开发人员和设计师，所设计开发的网站屡获殊荣，同时也热衷于开源，擅长解答堆栈溢出问题。 

 原书审稿人简介 sujit pal 是 elsevier 实验室的技术研究总监， elsevier 实验室是 reed-elservier 集团公司下的一个先进技术团队，研究领域包括语义检索、自然语言处理、机器学习和深度学习。他在 elsevier 实验室主要从事搜索质量检测与改进、图像分类和重复率检测、医学和科学语料库的标注与本体开发。他曾与 antonio gulli 合作撰写了一本关于深度学习的著作，并在博客 slamon run 上撰写了一些科技文章。 

 suriyadeepan ramamoorthy 是一名来自印度 puducherry 的 ai 研究人员和工程师，主要研究领域是自然语言理解和推理，同时积极撰写有关深度学习的博客文章。在 saama 技术中，他将先进的深度学习技术应用于生物医学文本分析，同时也是一名积极推动 fsftn领域发展的免费软件宣传者，另外对社交网络、数据可视化和创造性编程也非常感兴趣。