机读格式显示(MARC)

• 000 01680nam0 2200313 450

• 001 0000510824

• 005 20251118093800.0

• 010 __ |a 978-7-115-63154-1 |d CNY79.80

• 099 __ |a CAL 012025108847

• 100 __ |a 20250411d2025 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a Joy RL |A Joy Rl |e 强化学习实践教程 |f 江季, 王琦, 杨毅远著

• 210 __ |a 北京 |c 人民邮电出版社 |d 2025

• 215 __ |a 160页 |c 图 |d 23cm

• 300 __ |a 异步图书

• 314 __ |a 江季, 网易高级算法工程师, 硕士毕业于北京大学Datawhale成员, 《Easy RL: 强化学习教程》《深度学习详解》作者。主要研究方向为强化学习、深度学习、大模型、机器人等。曾获国家奖学金、上海市优秀毕业生等, 取得强化学习与游戏AI等相关专利多项。王琦, 上海交通大学人工智能教育部重点实验室博士研究生, 硕士毕业于中国科学院大学。Datawhale成员, 《Easy RL:强化学习教程》《深度学习详解》作者, AI TIME 成员, HuggingFace 社区志愿者。杨毅远, 牛津大学计算机系博士研究生, 硕士毕业于清华大学。Datawhale成员, 《Easy RL: 强化学习教程》《深度学习详解》作者。

• 330 __ |a 本书大部分内容基于3位作者的实践经验, 涵盖马尔可夫决策过程、动态规划、免模型预测、免模型控制、深度学习基础、DQN算法、DQN算法进阶、策略梯度、Actor-Critic算法、DDPG与TD3算法、PPO算法等内容, 旨在帮助读者快速入门强化学习的代码实践, 并辅以一套开源代码框架“JoyRL”, 便于读者适应业界应用研究风格的代码。

• 517 1_ |a 强化学习实践教程 |A qiang hua xue xi shi jian jiao cheng

• 606 0_ |a 机器学习 |A ji qi xue xi |j 教材

• 690 __ |a TP181 |v 5

• 701 _0 |a 江季 |A jiang ji |4 著

• 701 _0 |a 王琦 |A wang qi |4 著

• 701 _0 |a 杨毅远 |A yang yi yuan |4 著

• 801 _0 |a CN |b 人天书店 |c 20250411

• 905 __ |a LJUZC |d TP181/564

• 920 __ |a 222016 |z 1