简介
通过理论理解深度强化学习（deep RL）中最流行的库，本新版专注于深度RL的最新进展，采用代码学习的方法，使读者能够理解并复现该领域的最新研究。深度强化学习的最新进展
本书介绍了从游戏、机器人到金融的新代理环境，帮助读者尝试将强化学习应用于不同领域。多智能体强化学习章节涵盖了多个智能体的竞争方式，另一章节则专注于广泛使用的深度RL算法——近端策略优化（Proximal Policy Optimization, PPO）。读者将了解如何通过大型语言模型（如ChatGPT）使用人类反馈强化学习（Reinforcement Learning from Human Feedback, RLHF）来提升对话能力。实践与部署
本书还将介绍在多个云系统上使用代码和在Hugging Face Hub等平台上部署模型的步骤。代码采用Jupyter Notebook格式，可以在Google Colab等深度学习云平台上运行，允许读者根据自己的需求调整代码。无论是在游戏、机器人还是生成AI应用中，《Deep Reinforcement Learning with Python》都将帮助您保持技术前沿。学习内容
- 探索基于Python的RL库，包括StableBaselines3和CleanRL
- 使用多样化的RL环境，如Gymnasium、Pybullet和Unity ML
- 理解使用RLHF和PPO进行大型语言模型的指令微调
- 学习使用Hugging Face、Weights and Biases和Optuna的训练和优化技术
适合人群
本书适合希望提升对深度RL理解并获取实际实现RL算法技能的软件工程师和机器学习开发者。通过本书，您将能够从头开始实现并优化RL算法，掌握前沿技术应用于实际项目。
专知便捷查看
便捷下载，请关注专知公众号（点击上方蓝色专知关注）
点击“阅读原文”，了解使用专知，查看获取100000+AI主题知识资料
