이 책은 이론과 실무적 내용을 독특하게 결합한 심층강화학습 소개서다. 직관적인 설명에서 시작하여 심층강화학습 알고리즘에 대한 자세한 설명과 SLM Lab 라이브러리를 이용한 구현 방법으로 이어지고, 마지막으로는 심층강화학습을 실무에 적용하기 위한 세부 내용을 다룬다.

옮긴이 머리말 xii 베타리더 후기 xiii 추천사 xv 시작하며 xvi 감사의 글 xxi CHAPTER 01 강화학습 소개 1 1.1 강화학습 1 1.2 MDP로서의 강화학습 7 1.3 강화학습에서 학습하는 함수 11 1.4 심층강화학습 알고리즘 13 1.4.1 정책 기반 알고리즘 14 1.4.2 가치 기반 알고리즘 15 1.4.3 모델 기반 알고리즘 16 1.4.4 결합된 방법 17 1.4.5 이 책에서 다루는 알고리즘 18 1.4.6 활성정책과 비활성정책 알고리즘 19 1.4.7 요약 19 1.5 강화학습을 위한 심층학습 20 1.6 강화학습과 지도학습 22 1.6.1 오라클의 부재 23 1.6.2 피드백의 희소성 24 1.6.3 데이터 생성 24 1.7 요약 25 PART I 정책 기반 알고리즘과 가치 기반 알고리즘 CHAPTER 02 REINFORCE 29 2.1 정책 30 2.2 목적 함수 31 2.3 정책 경사 31 2.3.1 정책 경사 계산 33 2.4 몬테카를로 표본추출 36 2.5 REINFORCE 알고리즘 37 2.5.1 향상된 REINFORCE 38 2.6 REINFORCE 구현 39 2.6.1 최소 형태의 REINFORCE 구현 39 2.6.2 파이토치로 정책 생성하기 42 2.6.3 행동 추출 44 2.6.4 정책 손실 계산 45 2.6.5 REINFORCE 훈련 루프 46 2.6.6 활성정책 재현 메모리 47 2.7 REINFORCE 에이전트의 훈련 50 2.8 실험 결과 53 2.8.1 실험: 할인율 ?? 의 효과 53 2.8.2 실험: 기준값의 효과 55 2.9 요약 57 2.10 더 읽을거리 57 2.11 역사 58 CHAPTER 03 살사(SARSA) 59 3.1 Q 함수와 V 함수 60 3.2 시간차 학습 63 3.2.1 시간차 학습에 대한 직관 66 3.3 살사의 행동 선택 73 3.3.1 탐험과 활용 74 3.4 살사 알고리즘 75 3.4.1 활성정책 알고리즘 76 3.5 살사의 적용 77 3.5.1 행동 함수: 엡실론 탐욕적 77 3.5.2 Q 손실의 계산 78 3.5.3 살사 훈련 루프 80 3.5.4 활성정책 배치 재현 메모리 81 3.6 살사 에이전트의 훈련 83 3.7 실험 결과 86 3.7.1 실험: 학습률의 효과 86 3.8 요약 87 3.9 더 읽을거리 88 3.10 역사 89 CHAPTER 04 심층 Q 네트워크(DQN) 91 4.1 DQN의 Q 함수 학습 92 4.2 DQN의 행동 선택 94 4.2.1 볼츠만 정책 97 4.3 경험 재현 100 4.4 DQN 알고리즘 101 4.5 DQN의 적용 103 4.5.1 Q 손실의 계산 103 4.5.2 DQN 훈련 루프 104 4.5.3 재현 메모리 105 4.6 DQN 에이전트의 훈련 108 4.7 실험 결과 111 4.7.1 실험: 신경망 아키텍처의 효과 111 4.8 요약 113 4.9 더 읽을거리 114 4.10 역사 114 CHAPTER 05 향상된 DQN 115 5.1 목표 네트워크 116 5.2 이중 DQN 119 5.3 우선순위가 있는 경험 재현(PER) 123 5.3.1 중요도 표본추출 125 5.4 수정된 DQN의 구현 126 5.4.1 네트워크 초기화 127 5.4.2 Q 손실의 계산 128 5.4.3 목표 네트워크의 업데이트 129 5.4.4 목표 네트워크를 갖는 DQN 130 5.4.5 이중 DQN 130 5.4.6 우선순위가 있는 경험 재현 131 5.5 아타리 게임을 위한 DQN 에이전트의 훈련 137 5.6 실험 결과 142 5.6.1 실험: 이중 DQN과 PER의 효과 142 5.7 요약 146 5.8 더 읽을거리 146 PART II 결합된 방법 CHAPTER 06 어드밴티지 행동자-비평자(A2C) 149 6.1 행동자 150 6.2 비평자 150 6.2.1 어드밴티지 함수 151 6.2.2 어드밴티지 함수에 대한 학습 155 6.3 A2C 알고리즘 156 6.4 A2C의 구현 159 6.4.1 어드밴티지 추정 160 6.4.2 가치 손실과 정책 손실의 계산 162 6.4.3 행동자-비평자 훈련 루프 163 6.5 네트워크 아키텍처 164 6.6 A2C 에이전트의 훈련 166 6.6.1 n단계 이득을 이용한 A2C를 퐁 게임에 적용 166 6.6.2 GAE를 이용한 A2C를 퐁 게임에 적용 169 6.6.3 두 발 보행자 문제에서 n단계 이득을 이용한 A2C 170 6.7 실험 결과 173 6.7.1 실험: n단계 이득의 효과 173 6.7.2 실험: GAE의 ??가 미치는 효과 175 6.8 요약 176 6.9 더 읽을거리 177 6.10 역사 177 CHAPTER 07 근위 정책 최적화(PPO) 179 7.1 대리목적 180 7.1.1 성능붕괴 180 7.1.2 목적 함수의 수정 182 7.2 근위 정책 최적화(PPO) 189 7.3 PPO 알고리즘 193 7.4 PPO의 구현 195 7.4.1 PPO 정책 손실의 계산 195 7.4.2 PPO 훈련 루프 196 7.5 PPO 에이전트의 훈련 198 7.5.1 퐁 게임을 위한 PPO 198 7.5.2 두 발 보행자를 위한 PPO 201 7.6 실험 결과 203 7.6.1 실험: GAE의 ??가 미치는 효과 204 7.6.2 실험: 클리핑 변수 ??의 효과 205 7.7 요약 207 7.8 더 읽을거리 208 CHAPTER 병렬화 방법 209 8.1 동기 병렬화 210 8.2 비동기 병렬화 212 8.2.1 호그와일드! 213 8.3 A3C 에이전트의 훈련 216 8.4 요약 219 8.5 더 읽을거리 219 CHAPTER 09 알고리즘 요약 221 PART III 실전을 위한 세부사항 CHAPTER 10 심층강화학습으로 작업하기 225 10.1 소프트웨어 공학적 기법 226 10.1.1 단위 테스트 226 10.1.2 코드 품질 232 10.1.3 깃 워크플로 233 10.2 디버깅 팁 236 10.2.1 생존 신호 236 10.2.2 정책 경사에 대한 진단 237 10.2.3 데이터에 대한 진단 238 10.2.4 전처리기 239 10.2.5 메모리 239 10.2.6 알고리즘 함수 240 10.2.7 신경망 240 10.2.8 알고리즘 간소화 243 10.2.9 문제 간소화 243 10.2.10 하이퍼파라미터 244 10.2.11 Lab 워크플로 244 10.3 아타리 트릭 245 10.4 심층강화학습 알마낵 249 10.4.1 하이퍼파라미터 표 249 10.4.2 알고리즘 성능 비교 252 10.5 요약 255 CHAPTER 11 SLM Lab 257 11.1 SLM Lab에 구현된 알고리즘 257 11.2 spec 파일 260 11.2.1 검색 스펙 구문 262 11.3 SLM Lab의 실행 265 11.3.1 SLM Lab의 명령어 265 11.4 실험 결과의 분석 266 11.4.1 실험 데이터의 개요 266 11.5 요약 268 CHAPTER 12 네트워크 아키텍처 269 12.1 신경망의 유형 269 12.1.1 다층 퍼셉트론(MLP) 270 12.1.2 합성곱신경망(CNN) 272 12.1.3 회귀신경망(RNN) 274 12.2 네트워크 그룹 선택을 위한 가이드 275 12.2.1 MDP와 POMDP 275 12.2.2 환경을 위한 네트워크 선정 279 12.3 Net API 282 12.3.1 입력과 출력 층위 모양의 추정 284 12.3.2 네트워크의 자동 생성 286 12.3.3 훈련 단계 289 12.3.4 기반 메소드의 노출 290 12.4 요약 291 12.5 더 읽을거리 292 CHAPTER 13 하드웨어 293 13.1 컴퓨터 294 13.2 데이터 유형 300 13.3 강화학습에서 데이터 유형 최적화 302 13.4 하드웨어의 선택 307 13.5 요약 308 CHAPTER 14 상태 311 14.1 상태의 예제 312 14.2 상태의 완결성 319 14.3 상태의 복잡성 320 14.4 상태 정보 손실 325 14.4.1 이미지 그레이스케일링 325 14.4.2 이산화 326 14.4.3 해시 출동 327 14.4.4 메타정보 손실 327 14.5 전처리 331 14.5.1 표준화 332 14.5.2 이미지 처리 333 14.5.3 시간적 전처리 335 14.6 요약 339 CHAPTER 15 행동 341 15.1 행동의 예제 341 15.2 행동의 완결성 345 15.3 행동의 복잡성 347 15.4 요약 352 15.5 더 읽을거리: 일상에서의 행동 설계 353 CHAPTER 16 보상 357 16.1 보상의 역할 357 16.2 보상 설계의 가이드라인 359 16.3 요약 364 CHAPTER 17 전이 함수 365 17.1 실현 가능성 확인 366 17.2 현실성 확인 368 17.3 요약 371 APPENDIX A 심층강화학습 타임라인 372 APPENDIX B 환경의 예제 374 B.1 이산적 환경 375 B.1.1 CartPole-v0 375 B.1.2 MountainCar-v0 376 B.1.3 LunarLander-v2 377 B.1.4 PongNoFrameskip-v4 378 B.1.5 BreakoutNoFrameskip-v4 378 B.2 연속 환경 379 B.2.1 Pendulum-v0 379 B.2.2 BipedalWalker-v2 380 에필로그 381