深度强化学习落地指南

《深度强化学习落地指南》从工业界一线算法工作者的视角，对深度强化学习落地实践中的工程经验和相关方法论做出了深度思考和系统归纳。本书跳出原理介绍加应用案例的传统叙述模式，转而在横向上对深度强化学习落地过程中的核心环节进行了完整复盘。本书主要内容包括：需求分析和算法选择的方法，动作空间、状态空间和回报函数设计的理念，训练调试和性能冲刺的技巧等。本书既是前人智慧与作者个人经验的交叉印证和精心整合，又构成了从理论到实践再到统一方法论的认知闭环，与市面上侧重于算法原理和代码实现的强化学习书籍形成了完美互补。

《深度强化学习落地指南》适合所有对深度强化学习落地过程感兴趣的读者参考和借鉴，也可作为新手入门的指导性提纲。

魏宁，本科和硕士分别毕业于西安交通大学和中国科学院大学计算机专业，在国际顶级会 议和期刊上发表多篇学术论文，曾就职于德国KUKA Robotics从事协作机器人智能应用研发工作，目前在海康威视研究院任算法专家，负责深度学习、强化学习等领域的创新研究和落地应用，同时也是互联网社区“深度强化学习实验室”核心成员，在强化学习应用方面具有丰富的实践经验。