Глубокое обучение с подкреплением, AlphaGo и другие технологии, Лапань М., 2020

Глубокое обучение с подкреплением, AlphaGo и другие технологии, Лапань М., 2020.
 
В этой книге я попытался систематизировано рассказать об области глубокого обучения с подкреплением с точки зрения практика, задавая себе такие вопросы: каковы основные идеи, как их реализовать, какие есть подводные камни в реализации, на что обращать внимание при отладке методов, и другие подобные вопросы, которые часто остаются за кадром в научных статьях, но очень важны на практике. Я старался свести к минимуму количество формул, предпочитая интуитивное описание происходящего математической строгости. Это может вызвать негодование исследователей, работающих в области RL, заранее прошу у них прощения. Однако, по моему опыту, такой стиль изложения гораздо эффективнее для выработки интуиции в сложных областях, особенно если вы не собираетесь заниматься «высокой наукой», а просто хотите осознанно применять научные наработки на практике.




Оценка Bilingual evaluation understudy.
Прежде чем перейти к основной теме этой главы (RL для seq2seq), нам нужно ввести параметр, применяемый для сравнения качества вывода машинного перевода и обычно используемый в задачах NLP. Параметр Bilingual evaluation understudy (BLEU) является одним из стандартных способов сравнения выходной последовательности, создаваемой машиной, с некоторым набором опорных выходов. Он позволяет задействовать несколько эталонных выходов (одно предложение может быть переведено различными способами) и, по сути, вычисляет соотношение униграмм, биграмм и т. д., которые совместно используются полученными выводами и ссылочными предложениями.

Купить .







Хештеги: #AlphaGo :: #Лапань :: #книги по программированию :: #программирование :: #машинное обучение