유니티 머신러닝 에이전트를 이용한 딥러닝 강화학습

연구자와 개발자는 유니티 머신러닝 에이전트와 유니티 에디터를 사용해 게임과 시뮬레이션을 만들 수 있다. 간편하게 사용할 수 있는 파이썬 API와 유니티 에디터를 연동해 지능형 에이전트를 머신러닝 기법으로 훈련할 수 있는 환경을 형성할 수 있다. 이 책에서는 강화학습 및 Q학습의 기본기를 다지고, 여러 에이전트가 활동하는 생태계를 구성하고 서로 협력하거나 경쟁하는 심층 재귀형 Q 신경망을 장착한 에이전트들을 작성하는 과정을 알려 준다. 강화학습의 기본기를 다지는 일부터 문제를 푸는 데 응용하는 방법, 나아가 파이썬과 케라스 및 텐서플로를 사용해 스스로 학습하는 고급 신경망을 구축하는 방법도 설명한다. 이를 바탕으로 A3C 학습, 모방 학습 및 커리큘럼 학습 모델을 사용해 신경망을 훈련하는 혁신적인 방법을 배우게 된다. 이 책을 다 익히고 나면 여러분은 여러 에이전트들이 서로 협력하고 경쟁하는 생태계를 구축하는 식으로 더 복잡한 환경을 구성하는 방법을 알 수 있을 것이다.

▣ 01장: 머신러닝 및 ML-Agents 소개
머신러닝
__훈련 모델
__머신러닝 예제
__게임에 사용되는 머신러닝
ML-Agents
예제 실행
__에이전트 브레인 설정
환경 만들기
__스크립트 이름 바꾸기
Academy, Agent, Brain 컴포넌트
__Academy 설정
__Agent 설정
__Brain 설정
연습문제
요약

▣ 02장: 밴딧과 강화학습
강화학습
__에이전트 구성
상황별 밴딧과 상태
__상황별 밴딧 만들기
__ContextualDecision 스크립트 만들기
__에이전트 업데이트
탐색과 이용
__SimpleDecision을 사용한 의사결정
MDP와 벨만 방정식
Q 학습 및 연결 에이전트
__Q 학습 ConnectedDecision 스크립트 살펴보기
연습문제
요약

▣ 03장: 파이썬을 이용한 심층강화학습
파이썬과 관련 도구 설치
__설치
__설치 테스트
ML-Agent 외부 브레인
__환경 실행
신경망 기초
__어쨌든 신경망이 하는 일은 무엇인가?
심층 Q 학습
__심층 신경망 구축
__모델 훈련
__텐서 탐색
근위 정책 최적화
__PPO 구현
__텐서보드를 사용한 훈련 통계 이해
연습문제
요약

▣ 04장: 더 깊은 딥러닝 속으로
에이전트 훈련 문제
__훈련이 잘못되었을 때
합성곱 신경망
경험 재연
__경험을 바탕으로 빌드하기
부분 관측성, 메모리, 순환 신경망
__부분 관측성
__기억과 순환 신경망
비동기 연기자-비평가 훈련
__다중 비동기 에이전트 훈련
연습문제
요약

▣ 05장: 게임하기
다중 에이전트 환경
적대적 자체 플레이
__내부 브레인 사용
__훈련된 브레인을 내부적으로 사용하기
결정 및 주문형 결정
__통통 튀는 바나나
모방 학습
__복제 행동 훈련기 설정
커리큘럼 학습
연습문제
요약

▣ 06장: 다시 만들어 보는 테라리엄 - 다중 에이전트 생태계
테라리엄이란?
__에이전트 생태계 구축
__유니티 애셋 가져오기
__환경 구축
기본 테라리엄: 식물과 초식 동물
__구조를 기다리는 초식 동물
__초식 동물 구축
__초식 동물 훈련
육식 동물: 사냥꾼
__육식 동물 구축
__육식 동물 훈련
다음 단계들
연습문제
요약

★ 이 책에서 배우는 내용 ★
◎ 게임용 강화학습 및 심층강화학습 모델을 개발한다.
◎ 강화학습 및 신경망과 관련된 복잡하고 발전된 개념을 이해한다.
◎ 에이전트가 협력하거나 경쟁할 수 있게 개발하는 데 필요한 다양한 훈련 전략을 탐색한다.
◎ Q학습에 사용할 아카데미, 에이전트 및 브레인의 기본 스크립트 컴포넌트를 적용한다.
◎ 탐욕적 엡실론 탐색과 같은 발전된 학습 전략을 사용해 Q 학습 모델을 개선한다.
◎ 케라스로 간단한 신경망을 구현한 다음, 그것을 유니티로 가져와 외부 두뇌로 사용한다.
◎ 기존 DQN(심층 Q 신경망)에 LSTM 블록을 보태는 방법을 이해한다.
◎ 여러 비동기 에이전트를 빌드한 다음에 훈련 시나리오에 맞춰 실행한다.★ 주요 특징 ★
◎ 유니티로 만든 게임에서 머신러닝 개념을 적용하는 방법을 배울 수 있다.
◎ 강화학습 및 Q 학습의 기본 사항을 배워 게임에 적용할 수 있다.
◎ 여러 비동기 에이전트를 작성해 훈련 계획에 따라 그것들을 실행하는 방법을 배울 수 있다.★ 대상 독자 ★
◎ 이 책은 머신러닝 알고리즘과 유니티를 연동해 더 나은 게임과 시뮬레이션을 개발하는 데 관심이 있는 개발자에게 필요한 책이다.

회원리뷰 총 0개

리뷰작성 새 창

사용후기가 없습니다.

등록된 상품문의

상품문의 총 0개

문의작성 새 창

상품문의가 없습니다.

[반품/교환가능 기간]

변심반품의 경우 수령 후 14일 이내, 상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내

[반품/교환비용]

단순 변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담

[반품/교환 불가 사유]

- 소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우

(단지 확인을 위한 포장 훼손은 제외)

- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우

예) 화장품, 식품, 가전제품(악세서리 포함) 등

- 복제가 가능한 상품 등의 포장을 훼손한 경우

예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집

- 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)

- 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우

- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우

- 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우

* (1) 해외주문도서 : 이용자의 요청에 의한 개인주문상품으로 단순변심 및 착오로 인한 취소/교환/반품 시

‘해외주문 반품/취소 수수료’ 고객 부담 (해외주문 반품/취소 수수료 : ①양서-판매정가의 12%, ②일서-판매정가의 7%를 적용)

[상품 품절]

공급사(출판사) 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는 이메일과 문자로 안내드리겠습니다.

[소비자 피해보상, 환불지연에 따른 배상]

- 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됩니다.

- 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함.