強(qiáng)化學(xué)習(xí)是一種重要的機(jī)器學(xué)習(xí)方法，在智能體及分析預(yù)測等領(lǐng)域有許多應(yīng)用。

《Python強(qiáng)化學(xué)習(xí)實(shí)戰(zhàn)：應(yīng)用OpenAI Gym和TensorFlow精通強(qiáng)化學(xué)習(xí)和深度強(qiáng)化學(xué)習(xí)》共13章，主要包括強(qiáng)化學(xué)習(xí)的各種要素，即智能體、環(huán)境、策略和模型以及相應(yīng)平臺和庫；Anaconda、Docker、OpenAIGym、Universe和TensorFlow等安裝配置；馬爾可夫鏈和馬爾可夫過程及其與強(qiáng)化學(xué)習(xí)問題建模之間的關(guān)系，動(dòng)態(tài)規(guī)劃的基本概念；蒙特卡羅方法以及不同類型的蒙特卡羅預(yù)測和控制方法；時(shí)間差分學(xué)習(xí)、預(yù)測、離線/在線策略控制等；多臂賭博機(jī)問題以及相關(guān)的各種探索策略方法；深度學(xué)習(xí)的各種基本概念和RNN、LSTM、CNN等神經(jīng)網(wǎng)絡(luò)；深度強(qiáng)化學(xué)習(xí)算法DQN，以及雙DQN和對抗網(wǎng)絡(luò)體系結(jié)構(gòu)等改進(jìn)架構(gòu)；DRQN以及DARQN；A3C網(wǎng)絡(luò)的基本工作原理及架構(gòu)；策略梯度和優(yōu)化問題；最后介紹了強(qiáng)化學(xué)習(xí)的全新進(jìn)展以及未來發(fā)展。

Sudharsan Ravichandiran 是一位數(shù)據(jù)科學(xué)家、研究員、人工智能愛好者以及 YouTuber（搜索 Sudharsan reinforcement learning），獲得了 Anna 大學(xué)信息技術(shù)學(xué)士學(xué)位。他的研究領(lǐng)域包括深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的實(shí)現(xiàn)，其中包括自然語言處理和計(jì)算機(jī)視覺。他曾是一名自由職業(yè)的網(wǎng)頁開發(fā)人員和設(shè)計(jì)師，所設(shè)計(jì)開發(fā)的網(wǎng)站屢獲殊榮，同時(shí)也熱衷于開源，擅長解答堆棧溢出問題。 

 原書審稿人簡介 Sujit Pal 是 Elsevier 實(shí)驗(yàn)室的技術(shù)研究總監(jiān)， Elsevier 實(shí)驗(yàn)室是 Reed-Elservier 集團(tuán)公司下的一個(gè)先進(jìn)技術(shù)團(tuán)隊(duì)，研究領(lǐng)域包括語義檢索、自然語言處理、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。他在 Elsevier 實(shí)驗(yàn)室主要從事搜索質(zhì)量檢測與改進(jìn)、圖像分類和重復(fù)率檢測、醫(yī)學(xué)和科學(xué)語料庫的標(biāo)注與本體開發(fā)。他曾與 Antonio Gulli 合作撰寫了一本關(guān)于深度學(xué)習(xí)的著作，并在博客 Slamon Run 上撰寫了一些科技文章。 

 Suriyadeepan Ramamoorthy 是一名來自印度 Puducherry 的 AI 研究人員和工程師，主要研究領(lǐng)域是自然語言理解和推理，同時(shí)積極撰寫有關(guān)深度學(xué)習(xí)的博客文章。在 SAAMA 技術(shù)中，他將先進(jìn)的深度學(xué)習(xí)技術(shù)應(yīng)用于生物醫(yī)學(xué)文本分析，同時(shí)也是一名積極推動(dòng) FSFTN領(lǐng)域發(fā)展的免費(fèi)軟件宣傳者，另外對社交網(wǎng)絡(luò)、數(shù)據(jù)可視化和創(chuàng)造性編程也非常感興趣。