Contents
書籍簡介
“ 這本書很吸引人。 我一直想知道如何將機器學習應用到遊戲中,尤其是圍棋 ” – Sean Lindsay
“ 使用圍棋遊戲作為教授機器學習的方式非常富有啟發性且鼓舞人心。強烈推薦!” – Burk Hufnagel, Daugherty Business Solutions
在 2016 年初,大多數圍棋選手會告訴你,一臺機器永遠也打不過一個圍棋世界冠軍。 接著,Google 的 AlphaGo 以3-0擊敗了世界上最強選手 Ke Jie 。 6個月後,Alpha Go Zero 摧毀了 AlphaGo,以89比11擊敗了它。 對於深度學習系統來說,AlphaGo 是一個令人難以置信的成就,這是一個有趣的故事。
“深度學習和圍棋遊戲”教你如何通過建構玩圍棋的 AI 將深度學習的力量應用於復雜的推理任務。在讓你了解機器和深度學習的基礎之後,你將使用 Python 建構機器人,然後教它遊戲規則。
關於這個技術
圍棋的古老戰略遊戲,是人工智慧的一個令人難以置信的案例研究。 2016 年,一個深度學習系統擊敗了世界圍棋冠軍,震驚了圍棋世界。不久之後,升級後的 AlphaGo Zero 突破原始機器人,採用深度強化學習掌握這款遊戲。現在,你可以通過建構自己的圍棋機器人( Go bot )來學習相同的深度學習技巧!
關於這本書
“深度學習和圍棋遊戲”通過教你建構一個圍棋遊戲致勝機器人來引入深度學習。隨著你的進度,你將使用 Python 深度學習庫 Keras 應用越來越複雜的培訓技術和策略。你會喜歡看你的機器人掌握 Go 的遊戲,跟著這方法,你將能發現如何將你的新深度學習技巧應用到各種其他場景!
書籍內容包含
- 建構並教授自我改進的遊戲 AI
- 通過深度學習增強經典遊戲 AI 系統
- 實施神經網路進行深度學習
目標讀者
- 你所需要的只是基本的 Python 技能和高中數學。無需深度學習經驗。
關於作者
Max Pumperla 和 Kevin Ferguson 是經驗豐富的深度學習專家,擅長分散式系統和資料科學。 Max 和 Kevin 一起建構了開源機器人 BetaGo。
購買電子書

你可能會有興趣
- 深度學習A-Z™:動手實現人工神經網路
- 資料科學與機器學習
- Python 學習地圖
- ★想要加強英文能力嗎?
- Soft & Share 特價課程與學習資訊分享 加入這個社團追蹤我們的特價課程與學習訊息
- 追蹤這個 Twitter ,得到特價課程訊息
你必須登入才能發表留言。