【 TensorFlow・Python3 で学ぶ】深層強化学習入門

【更新情報】 2017/11/9 カートポール問題の結果の可視化、エージェントのプレー表示をアップロードしました。これで基本的なトピックは一通りカバーしました。あとはリクエストに応じてPythonのコーディングの補足解説や、発展的なトピックの紹介を追加していきたいと思いますので、ぜひリクエストください。 2017/11/8 カートポール問題のトレーニングのレクチャーを掲載しました。 2017/11/1 カートポール問題のイントロを掲載しました。 2017/10/30 多腕バンディット問題を解くチュートリアルを掲載しました。 2017/10/29 方策勾配のセクションのイントロをアップロードしました。 【コース概要】 この講座は、AlphaGo Zeroの活躍などで大注目されている強化学習についての基礎知識を、プログラムを作成しながら学ぶコースです。 強化学習を使うと、画像を入力として与えるだけでゲームや囲碁、将棋などの対戦を機械が自分で繰り返し、最適な方策を学んで、人間よりも高いスコアを出す学習ができることが知られています。 （主なトピック） このコースでは、こうした強化学習を理解するための ・マルコフ決定過程 ・ベルマン方程式 ・Q学習（Q-テーブルとQ-ネットワーク） ・方策勾配（ポリシーグラディエント） ・DQN（深層Qネットワーク学習） などの基礎的な概念を理論解説と、Pythonでコードを書く演習を通して学びます。 （プログラミング題材） 題材としては、非営利のAI研究機関OpenAIが公開しているOpen AI Gymから １．フローズンレイク問題（凍った湖の上を穴に落ちずにゴールする） （１）Qテーブル法でQ値を求める （２）Qネットワーク法（ニューラルネットワーク）で解く ２．多腕バンディット問題（マルチアームのスロットマシーン） ３．カートポール問題（倒立振り子） DQN（Deep-Q学習、ディープラーニング、多層ニューラルネットワーク）で解く ポール（棒）が倒れないようにカート（台車）を操作する問題 などのパッケージを入手して、強化学習を実践します。 ぜひこの機会に強化学習の考え方や基礎知識を身につけ、ビジネスや開発に活かしましょう。 【受講上の注意】 このコースはビデオでの学習をしたくない方には向いていませんので、ご注意ください。.