본문 바로가기

출간 전 책 소식

단단한 + deep + 강화학습...

보상을 최대화하는 방향으로 학습을 진행하여 순차적인 의사결정 문제를 해결하는 방법인 강화학습(Reinforcement Learning, RL)의 핵심은 함수 근사입니다. 심층강화학습(Deep Reinforcement Learning, Deep RL)은 강화학습에 속하는 한 분야로서 복잡한 비선형 함수를 근사하는 데 탁월한 심층신경망(deep neural network)을 활용하여 함수를 학습하는 것이 주된 특징입니다.

 

강화학습 제어 루프

 

이 책의 저자들은 2015년경 구글 딥마인드(DeepMind)가 아래 그림 예시를 포함한 여러 아타리 아케이드 게임에서 괄목할 만한 성과를 거두었을 즈음부터 심층강화학습에 관심을 갖게 되었으나, 심층강화학습이 새로운 연구 분야였고 이론적 지식이 아직 책으로 정리되지 않았기 때문에 연구 논문과 온라인 강의를 통해 직접 학습할 수밖에 없어 힘들었다고 고백하고 있습니다.

 

OpenAI Gym

 

그러면서 자신들이 겪었던 이론으로부터 실제 구현에 이르는 여정이 더 간단할 수도 있겠다고 생각했고, 또 심층강화학습을 좀 더 쉽게 학습할 수 있도록 하는 데 기여하고 싶어 이 책을 저술했다고 하면서 이 책을 자신들이 '심층강화학습을 처음 공부할 때 있었으면 좋았을 것으로 생각했던 바로 그 책'이라고 소개합니다.

 

바로 이 책!

 

■ 주요 내용

□ 심층강화학습 문제의 모든 핵심 내용을 다룹니다.
□ REINFORCE, 사르사(SARSA), DQN, 이중DQN, 우선순위가 있는 경험재현(PER)과 같은 정책-기반 알고리즘과
가치-기반 알고리즘에 대해 알아봅니다.
□ 행동자-비평자(Actor-Critic)와 근위 정책 최적화(PPO)와 같은 결합된 알고리즘에 대해 심도 있게 알아봅니다.
□ 알고리즘이 동기 및 비동기 방식으로 병렬화되는 과정을 이해합니다.
□ SLM Lab에서 알고리즘을 실행해 보고, 심층강화학습을 실무에 적용하기 위한 세부사항들을 학습합니다.
□ 튜닝된 하이퍼파라미터를 사용한 결과를 통해 알고리즘을 탐험합니다.
□ 심층강화학습 환경의 설계 방법을 이해합니다.

 

■ 미리보기(차례, 옮긴이 머리말, 베타리더 후기, 추천사, 시작하며, 감사의 글, 1장 '강화학습 소개' 전체)

단단한심층강화학습_Sample.pdf
17.32MB

 

■ 도서구매 사이트(가나다순)

 [교보문고]  [도서11번가]  [알라딘]  [예스이십사]  [인터파크]  [쿠팡]

 

■ 제이펍 소식 더 보기(제이펍의 소통 채널에서 더욱 다양한 소식을 확인하세요!)

  네이버 책  포스트  유튜브  인스타그램  트위터  페이스북