《深度强化学习实践（原书第2版）》PDF电子书免费下载

本书的主题是强化学习（Reinforcement Learning，RL），它是机器学习（Machine Learning，ML）的一个分支，强调如何解决在复杂环境中选择最优动作时产生的通用且极具挑战的问题。学习过程仅由奖励值和从环境中获得的观察驱动。该模型非常通用，能应用于多个真实场景，从玩游戏到优化复杂制造过程都能涵盖。
马克西姆·拉潘（Maxim Lapan），是一位深度学习爱好者和独立研究者。作为一名软件开发人员和系统架构师，他拥有15年的工作经验，涉及从底层Linux内核驱动程序开发到性能优化以及在数千台服务器上工作的分布式应用程序设计的方方面面。他在大数据、机器学习以及大型并行分布式HPC和非HPC系统方面也拥有丰富的经验，能够用简单的词汇和生动的示例来解释复杂的事物。他目前感兴趣的领域涉及深度学习的实际应用，例如深度自然语言处理和深度强化学习。马克西姆与家人一起住在俄罗斯莫斯科。

译者序
前言
作者简介
审校者简介
第1章　什么是强化学习
第2章　OpenAI Gym
第3章　使用PyTorch进行深度学习
第4章　交叉熵方法
第5章　表格学习和Bellman方程
第6章　深度Q-network
第7章　高级强化学习库
第8章　DQN扩展
第9章　加速强化学习训练的方法
第10章　使用强化学习进行股票交易
第11章　策略梯度：一种替代方法
第12章　actor-critic方法
第13章　A3C
第14章　使用强化学习训练聊天机器人
第15章　TextWorld环境
第16章　Web导航
第17章　连续动作空间
第18章　机器人技术中的强化学习
第19章　置信域：PPO、TRPO、ACKTR及SAC
第20章　强化学习中的黑盒优化
第21章　高级探索
第22章　超越无模型方法：想象力
第23章　AlphaGo Zero
第24章　离散优化中的强化学习
第25章　多智能体强化学习