機器學習模擬應用｜將合成資料運用於AI

　　「在資料需求很高但可存取資料稀少的時代，建立逼真的模擬環境以產生更強大的研究和ML應用程式將比以往任何時候都更加重要。本書對於機器學習和Unity開發人員來說是進入該領域的最佳途徑。」 —Dominic Monn 機器學習工程師

　　模擬和合成將是人工智慧和機器學習的未來核心。想像一下，程式設計師、資料科學家和機器學習工程師可以在沒有汽車的情況下建立自動駕駛汽車的大腦。您可以使用模擬來合成人工資料訓練傳統的機器學習模型，而不是使用實際的資訊。這只是開始而已。

　　透過這本實用的書，您將探索基於模擬和合成的機器學習和AI的可能性，重點是深度強化學習和模仿學習技術。AI和ML是藉由資料來驅動，而模擬是釋放它們全部潛力的強大且引人入勝的方式。

　　您將學習如何：
　　．使用Unity引擎的模擬來設計解決ML和AI問題的方法
　　．使用遊戲引擎合成影像以用作訓練資料
　　．建立用來訓練深度強化學習和模仿學習模型的模擬環境
　　．為基於模擬的ML來使用和應用有效率的通用演算法，例如近端策略優化
　　．使用不同的方法來訓練各種ML模型
　　．使用PyTorch和Unity ML-Agents和Perception Toolkits來讓ML工具能夠與業界標準的遊戲開發工具一起使用
 

前言

第一部分 模擬與合成的基礎知識
第1 章 合成與模擬介紹
第2章 建立您的第一個模擬
第3章 建立您的第一個合成資料

第二部分 模擬世界以獲得樂趣和利潤
第4 章 建立更進階的模擬
第5章 建立一輛自動駕駛汽車
第6章 介紹模仿學習
第7章 進階模仿學習
第8章 課程學習介紹
第9章 合作學習
第10章 在模擬中使用相機
第11章 使用 Python 來工作
第12章 打開引擎蓋並超越

第三部分 合成資料，真實結果
第13 章 建立更進階的合成資料
第14章 建立更進階的合成資料
索引

 

作者簡介



Paris Buttfield-Addison

　　是遊戲設計師、電腦研究員、法律書呆子和遊戲開發工作室Secret Lab聯合創辦人。

Mars Buttfield-Addison

　　是塔斯馬尼亞大學的計算和機器學習研究員。

Tim Nugent

　　是一名行動應用程式開發人員、遊戲設計師和計算研究員。

Jon Manning

　　是Swift、C#和Objective-C方面的軟體工程專家。作為Secret Lab的聯合創辦人，他為遊戲建立了流行的Yarn Spinner對話框架。