阅读提示
斋藤康毅「鱼书」系列的第四册，专讲强化学习。前半本是基础：多臂老虎机、马尔可夫决策过程、贝尔曼方程、动态规划、蒙特卡洛与 TD 方法。
后半本把深度学习接进来：神经网络与 Q 学习、DQN、策略梯度法。它的宗旨一贯：只有做出来才算理解，代码不依赖外部库，从零实现。他对 TD 方法与蒙特卡洛的对比讲得比多数教材清楚：一个靠步步修正，一个靠整回合采样，适用场景并不相同。
适合有 Python 与深度学习基础的人自学。图多、代码短、讲解松，读完能跑通一个 DQN；要读理论推导，还得另找教材。
内容简介：
本书前半部分介绍强化学习的重要思想和基础知识，后半部分介绍如何将深度学习应用于强化学习，遴选讲解了深度强化学习的最新技术。
全书从最适合入门的多臂老虎机问题切入，依次介绍了定义一般强化学习问题的马尔可夫决策过程、用于寻找最佳答案的贝尔曼方程，以及解决贝尔曼方程的动态规划法、蒙特卡洛方法和TD方法。随后，神经网络和Q学习、DQN、策略梯度法等几章则分别讨论了深度学习在强化学习领域的应用。
本书延续“鱼书”系列的风格，搭配丰富的图、表、代码示例，加上轻松、简明的讲解，让人循序渐进地理解强化学习中各种方法之间的关系，于不知不觉中登堂入室。作为系列第四部，本册延续“只有做出来才能真正理解”的思路，代码不依赖外部库，可从零实现。
作者简介：
斋藤康毅，1984年出生于日本长崎县，东京工业大学毕业，并完成东京大学研究生院课程。目前在某企业从事人工智能相关的研究和开发工作。著有“鱼书”系列《深度学习入门：基于Python的理论与实现》《深度学习进阶：自然语言处理》《深度学习入门2：自制框架》，同时也是Python in Practice、The Elements of Computing Systems、Building MachineLearning Systems with Python的日文版译者。