SFr. 80.00
€ 86.40


bestellen

Artikel-Nr. 30923948


Diesen Artikel in meine
Wunschliste
Diesen Artikel
weiterempfehlen
Diesen Preis
beobachten

Weitersagen:



Autor(en): 
  • Sugiyama Masashi
  • Statistical Reinforcement Learning: Modern Machine Learning Approaches 
     

    (Buch)
    Dieser Artikel gilt, aufgrund seiner Grösse, beim Versand als 3 Artikel!


    Übersicht

    Auf mobile öffnen
     
    Lieferstatus:   Auf Bestellung (Lieferzeit unbekannt)
    Veröffentlichung:  Juni 2020  
    Genre:  Wirtschaft / Recht 
     
    applied robotics learning / Artificial Intelligence / Automatic control engineering / BUSINESS & ECONOMICS / Statistics / COMPUTERS / Data Science / Data Analytics / COMPUTERS / Machine Theory / COMPUTERS / Programming / Games / Data Mining
    ISBN:  9780367575861 
    EAN-Code: 
    9780367575861 
    Verlag:  Taylor and Francis 
    Einband:  Kartoniert  
    Sprache:  English  
    Dimensionen:  H 234 mm / B 156 mm / D  
    Gewicht:  660 gr 
    Seiten:  206 
    Bewertung: Titel bewerten / Meinung schreiben
    Inhalt:
    Reinforcement learning (RL) is a framework for decision making in unknown environments based on a large amount of data. Several practical RL applications for business intelligence, plant control, and gaming have been successfully explored in recent years. Providing an accessible introduction to the field, this book covers model-based and model-f

      



    Wird aktuell angeschaut...
     

    Zurück zur letzten Ansicht


    AGB | Datenschutzerklärung | Mein Konto | Impressum | Partnerprogramm
    Newsletter | 1Advd.ch RSS News-Feed Newsfeed | 1Advd.ch Facebook-Page Facebook | 1Advd.ch Twitter-Page Twitter
    Forbidden Planet AG © 1999-2026
    Alle Angaben ohne Gewähr
     
    SUCHEN

     
     Kategorien
    Im Sortiment stöbern
    Genres
    Hörbücher
    Aktionen
     Infos
    Mein Konto
    Warenkorb
    Meine Wunschliste
     Kundenservice
    Recherchedienst
    Fragen / AGB / Kontakt
    Partnerprogramm
    Impressum
    © by Forbidden Planet AG 1999-2026