HOME > Detail View

Detail View

(프로그래머를 위한) 강화학습 : 강화학습 기초부터 대표 알고리즘의 원리와 코드 구현 및 튜닝까지 (Loan 4 times)

Material type
단행본
Personal Author
멀티코어 김남준, 저 윤철희, 저
Title Statement
(프로그래머를 위한) 강화학습 : 강화학습 기초부터 대표 알고리즘의 원리와 코드 구현 및 튜닝까지 / 멀티코어, 김남준, 윤철희 공저
Publication, Distribution, etc
부천 :   프리렉,   2021  
Physical Medium
334 p. : 천연색삽화, 도표 ; 24 cm
ISBN
9788965402930
General Note
색인수록  
000 00000nam c2200205 c 4500
001 000046077046
005 20210409174022
007 ta
008 210409s2021 ggkad 001c kor
020 ▼a 9788965402930 ▼g 93000
040 ▼a 211009 ▼c 211009 ▼d 211009
082 0 4 ▼a 006.31 ▼2 23
085 ▼a 006.31 ▼2 DDCK
090 ▼a 006.31 ▼b 2021z7
100 0 ▼a 멀티코어
245 2 0 ▼a (프로그래머를 위한) 강화학습 : ▼b 강화학습 기초부터 대표 알고리즘의 원리와 코드 구현 및 튜닝까지 / ▼d 멀티코어, ▼e 김남준, ▼e 윤철희 공저
260 ▼a 부천 : ▼b 프리렉, ▼c 2021
300 ▼a 334 p. : ▼b 천연색삽화, 도표 ; ▼c 24 cm
500 ▼a 색인수록
700 1 ▼a 김남준, ▼e
700 1 ▼a 윤철희, ▼e
945 ▼a KLPA

No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Main Library/Monographs(3F)/ Call Number 006.31 2021z7 Accession No. 111848966 Availability In loan Due Date 2021-08-27 Make a Reservation Available for Reserve R Service M
No. 2 Location Science & Engineering Library/Sci-Info(Stacks1)/ Call Number 006.31 2021z7 Accession No. 121256968 Availability In loan Due Date 2021-10-05 Make a Reservation Available for Reserve(1persons reqested this item) R Service M
No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Main Library/Monographs(3F)/ Call Number 006.31 2021z7 Accession No. 111848966 Availability In loan Due Date 2021-08-27 Make a Reservation Available for Reserve R Service M
No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Science & Engineering Library/Sci-Info(Stacks1)/ Call Number 006.31 2021z7 Accession No. 121256968 Availability In loan Due Date 2021-10-05 Make a Reservation Available for Reserve(1persons reqested this item) R Service M

Contents information

Book Introduction

IF 프로그래머 THEN 강화학습. 인공지능이 온갖 기회를 창출하는 시대! 프로그래머라면, 아니 프로그래머가 아니어도 이제 인공지능은 필수다. 그중에서도 인공지능의 최전선에 강화학습이 있다. 강화학습은 알파고를 통해 세상에 널리 알려졌지만 실제로는 다양한 곳에서 현실적인 문제를 해결하는데 활용되고 있다. 이 책에서는 이러한 강화학습의 기본 개념을 살펴보고 대표 알고리즘의 원리를 알아본다. 더불어 파이썬 코드로 구현하고 최적화 기법을 통한 튜닝까지 전 과정을 한눈에 살펴본다.

인공지능의 최전선, 강화학습
이제 인공지능은 IT 업계를 넘어 다양한 분야와 비즈니스로 활용 폭을 넓히고 있습니다. 인공지능을 공부하다 보면 머신러닝과 딥러닝부터 시작해서 결국에는 강화학습을 마주하게 됩니다. 강화학습은 시행착오를 거쳐 해결책을 찾아나가는 기법으로, 인공지능 기술 중에서 가장 난이도가 높습니다. 그래서 원리를 이해하려면 상당한 수준의 수학과 통계 이론을 알아야 합니다.
이 책에서는 강화학습의 기초가 되는 수식을 하나하나 자세히 유도하기보다는 수식이 이어지는 흐름을 따라가면서 다양한 알고리즘의 원리를 한눈에 살펴보고, 코드로 구현해가며 활용법을 익히도록 구성했습니다. 이 책을 출발점으로 삼아, 인공지능의 최전선에 있는 강화학습을 제대로 이해하고 활용할 수 있는 발판을 마련해 봅시다.

이 책의 특징
· 강화학습 이해에 필요한 통계와 수학 이론을 기초부터 다룬다.
· 알고리즘의 기본 개념을 그림으로 표현하여 이해를 돕는다.
· 하나의 예제를 통해 일관성 있게 개념과 이론을 설명해 나간다.
· 파이썬 코드 구현과 튜닝, 최적화까지 실무에 적용할 수 있는 수준까지 다룬다.

이 책의 구성
이 책은 강화학습의 기초 개념과 인공지능 개념, 가치 기반 강화학습, 정책 기반 강화학습, 튜닝 문제, 이렇게 모두 다섯 부분으로 구성됩니다.
· 강화학습의 기초 개념: 강화학습에 필요한 통계 및 수학 이론과 MDP에 대한 설명
· 인공지능 개념: 머신러닝부터 강화학습 내부에서 사용하는 인공신경망으로 이르는 과정을 선형 회귀부터 차근차근 설명
· 가치 기반 강화학습: 상대적으로 이해하기 쉬운 DQN 알고리즘을 코드 중심으로 설명
· 정책 기반 강화학습: REINFORCE, A2C, PPO 알고리즘에 대한 설명과 실행 안내
· 튜닝 문제: 알고리즘의 파라미터 튜닝을 효율적으로 돕는 그리드 서치와 베이지안 최적화 기법


Information Provided By: : Aladin

Author Introduction

김남준(지은이)

프로그램 개발자이자 알고리즘 전문가이다. 알파고의 등장 이후로 인공지능의 기본 원리와 활용에 관심을 갖고 있으며, 최근에는 최적화 문제 해결을 위한 알고리즘을 탐구하고 있다.

멀티코어(지은이)

프로그래머이자 인공지능 전문가이다. 프로그래머로서 다양한 분야에서 활동했으며 현재는 기업에서 데이터 분석과 강화학습을 활용한 비즈니스 환경 개선 업무를 담당하고 있다. 인공지능이 학위를 받은 소수의 전문가만을 위한 영역이 아니라 프로그래머도 충분히 도전할 수 있음을 후배들에게 보여주기 위해 부단히 노력하고 있다.

윤철희(지은이)

정보보호 및 정보시스템 전문가이다. 치안정책연구소에서 인공지능 애플리케이션 개발 업무를 담당하고 있으며, 서울디지털대학교와 글로벌사이버대학교에서 관련 강의를 진행하고 있다. 인공지능 기술의 저변 확대를 위해 클라우드 환경에서 쉽게 활용 가능한 인공지능에 대해 많은 고민을 하고 있다.

Information Provided By: : Aladin

Table of Contents

시작하며
01장 강화학습 기본 개념
1.1 강화학습이란
1.2 확률과 확률 과정
1.3. 마르코프 연쇄
1.4 마르코프 보상 과정

02장 강화학습 기본 알고리즘
2.1 마르코프 결정 과정
2.2 MDP 행동 가치 함수
2.3 MDP 최적 가치 함수
2.4 강화학습에 사용되는 다양한 용어
2.5 다이내믹 프로그래밍
2.6 몬테카를로 방법
2.7 TD와 SARSA
2.8 Q 러닝

03장 인공지능의 개념
3.1 머신러닝
3.2 선형 회귀 분석
3.3 분류 분석
3.4 딥러닝
3.5 개발 환경 설치
3.6 텐서플로우

04장 함수 근사법
4.1 미분
4.2 편미분
4.3 스칼라와 벡터
4.4 그래디언트
4.5 경사하강법
4.6 확률적 경사하강법
4.7 강화학습에서 편미분과 경사하강법의 표기법
4.8 함수 근사법

05장 가치 기반 강화학습과 DQN 알고리즘
5.1 DQN 알고리즘
5.2 카트폴
5.3 탐험과 탐욕의 문제
5.4 DQN 알고리즘 기본 구조
5.5 DQN 알고리즘 전체 코드 리뷰
5.6 DQN 알고리즘 세부 구조 살펴보기
5.7 DQN 알고리즘 학습 결과 분석

06장 정책 기반 강화학습 REINFORCE 알고리즘
6.1 인공신경망 다시 보기
6.2 정책 그래디언트
6.3 REINFORCE 알고리즘 동작 방식
6.4 REINFORCE 알고리즘 기본 구조
6.5 REINFORCE 알고리즘 전체 코드 리뷰
6.6 REINFORCE 알고리즘 세부 구조 살펴보기
6.7 REINFORCE 알고리즘 학습 결과 분석

07장 정책 기반 A2C 알고리즘
7.1 액터 크리틱 알고리즘
7.2 어드밴티지 액터 크리틱
7.3 A2C 알고리즘 기본 구조
7.4 A2C 알고리즘 전체 코드 리뷰
7.5 A2C 알고리즘 세부 구조 살펴보기
7.6 A2C 알고리즘 학습 결과 분석

08장 정책 기반 PPO 알고리즘
8.1 중요도 샘플링
8.2 오프 폴리시 정책 그래디언트
8.3 클리핑 기법
8.4 GAE
8.5 PPO 알고리즘 기본 구조
8.6 PPO 알고리즘 전체 코드 리뷰
8.7 PPO 알고리즘 세부 구조 살펴보기
8.8 PPO 알고리즘 알고리즘 학습 결과 분석

09장 인공신경망 튜닝
9.1 인공신경망 튜닝 개요
9.2 입력 데이터 전처리
9.3 비용 함수의 선택
9.4 활성화 알고리즘
9.5 가중치 초기화
9.6 최적화 알고리즘
9.7 노드와 은닉층 개수에 대한 논의
9.8 PPO 알고리즘 인공신경망 튜닝
9.9 PPO 알고리즘 튜닝 코드 적용
9.10 PPO 알고리즘 튜닝 결과 분석

10장 그리드 서치 기반 최적화 기법
10.1 그리드 서치 개념
10.2 그리드 서치 코딩
10.3 그리드 서치 전체 코드
10.4 그리드 서치 결과 분석
10.5 그리드 서치 파라미터 튜닝 적용

11장 베이지안 최적화 기법
11.1 빈도주의 확률과 베이지안 확률
11.2 베이지안 확률 계산
11.3 베이지안 최적화 패키지 소개
11.4 베이지안 최적화 패키지 활용
11.5 베이지안 최적화 전체 코드
11.6 베이지안 최적화 결과 분석

마무리하며
찾아보기

New Arrivals Books in Related Fields

Baumer, Benjamin (2021)