Material Type  

 단행본

ISBN  

9791158395490 93000 : \38,000

DDC  

006.31-20

Callnumber  

006.31 민16ㅍ

Author  

민규식 , 1989-

Title/Author  

파이토치와 유니티 ML-Agents로 배우는 강화학습 : 멀티에이전트, 커리큘럼 학습, 분산학습, 어려운 탐험환경까지 직접 만들면서 배우는 강화학습 알고리즘 : 응용편 / 민규식 ; 이현호 ; 박유민 지음

Publish Info  

파주 : 위키북스, 2025

Material Info  

xiv, 542 p. : 천연색삽화, 도표 ; 24 cm

총서명  

데이터 사이언스 시리즈 DS ; 099

General Note  

색인 수록

General Note  

유니티 ML-Agents는 "Unity Machine Learning Agents"의 약어임

Subject Added Entry-Topical Term  

인공 지능[人工知能]

Subject Added Entry-Topical Term  

기계 학습[機械學習]

Subject Added Entry-Topical Term  

딥 러닝[deep learning]

Added Entry-Personal Name  

이현호

Added Entry-Personal Name  

박유민

Series Added Entry-Uniform Title  

데이터 사이언스 시리즈 ; 099

Series Added Entry-Uniform Title  

DS ; 099

Price Info  

\38,000

Control Number  

joongbu:660084

책소개  

유니티를 이용하여 직접 게임을 제작하고 ML-Agents로 강화학습 환경을 구성해 보자!

유니티 ML-Agents는 게임 엔진인 유니티를 통해 제작한 시뮬레이션 환경을 강화학습을 위한 환경으로 만들어주는 고마운 도구이다. ML-Agents를 통해 많은 개발자, 연구자들이 원하는 강화학습 환경을 직접 만들 수 있게 되면서 ML-Agents는 학술적, 산업적으로 강화학습의 사용에 있어 중요한 도구가 되었다. 하지만 아직까지도 ML-Agents, 그중에서도 특히 ML-Agents 2.0 이후의 버전을 다루는 참고 자료가 많지 않기 때문에 ML-Agents를 사용하는 데 어려움이 많았다.

이 책은 2022년에 출간된 《파이토치와 유니티 ML-Agents로 배우는 강화학습》의 후속편으로 더욱 깊이 있는 강화학습에 대한 이론과 코드, 이를 위한 환경 제작 방법 등을 다루고 있다.

★ 이 책에서 다루는 내용 ★

◎ 응용 강화학습 환경 제작: 닷지, 퐁, 방탈출, 메이즈, 투 미션
◎ 응용 강화학습 알고리즘과 이를 응용하기 위한 기법들의 이론 및 학습 코드 구현: PPO, Attention,RND, MA-POCA, HyperNetworks
◎ 분산 학습, 커리큘럼 학습, 가변 입력 환경, 자가 학습, 멀티에이전트, 어려운 탐험 환경, 다중 골 환경 등 ML-Agents를 이용한 다양한 학습 방법 제공
◎ Python API와 mlagents-learn을 통한 응용 강화학습 알고리즘 설정 및 학습 방법