来源：专知本文为书籍推荐，建议阅读5分钟读完这本书，读者将对现代强化学习及其应用有一个全面、直观的了解。
本书介绍使用Python, PyTorch和TensorFlow来进行深度强化学习实战
https://www.barnesandnoble.com/w/practical-deep-reinforcement-learning-with-python-ivan-gridin/1141794632
关键特性
●接触著名的RL技术，包括蒙特卡洛、深度Q -学习、策略梯度和角色关键。
使用TensorFlow和PyTorch进行强化学习项目的实践经验。
●一切都是简洁的，最新的，并以简化的数学直观解释。
描述
强化学习是人工智能的一个迷人分支，它在几个方面不同于标准的机器学习。在不可预测的环境中适应和学习是这个项目的一部分。强化学习在现实世界中有许多应用，包括医疗、赌博、人类模仿活动和机器人。
这本书介绍读者强化学习从实用主义的观点。这本书确实涉及数学，但它不试图使读者负担过重，谁是强化学习领域的初学者。
这本书在许多实际学习中给读者带来了许多创新的方法，包括蒙特卡洛、深度Q -学习、策略梯度和角色关键方法。在你详细了解这些技术的同时，本书还提供了使用TensorFlow和PyTorch强大功能的这些方法和技术的真实实现。这本书涵盖了一些诱人的项目，展示了强化学习的力量，更不用说一切都是简洁的，最新的，直观的解释。
读完这本书，读者将对现代强化学习及其应用有一个全面、直观的了解，这将极大地帮助他们深入研究强化学习这个有趣的领域。
你会学到什么
熟悉强化学习和深度强化学习的基础知识。
使用Python和Gym框架对外部环境进行建模。
应用经典Q学习、蒙特卡洛、策略梯度和汤普森抽样技术。
探索TensorFlow和PyTorch来实践深度强化学习的基础知识。
使用特定的技术为特定的问题设计一个智能体。
这本书是给谁的
这本书是为机器学习工程师，深度学习狂热者，AI软件开发人员，数据科学家，和其他渴望学习并将强化学习应用于正在进行的项目的数据专业人员编写的。要求熟练掌握Python。
