ホーム > 商品詳細

新刊
丸善のおすすめ度

Pythonで学ぶ強化学習~入門から実践まで~ 改訂第2版(機械学習スタートアップシリーズ)

久保 隆宏  著

在庫状況 有り  お届け予定日 3~4日  数量 冊 
価格 \3,080(税込)         

発行年月 2019年09月
出版社/提供元
言語 日本語
媒体 冊子
ページ数/巻数 4p,297p
大きさ 21cm
ジャンル 和書/理工学/情報学/人工知能
ISBN 9784065172513
商品コード 1030652924
NDC分類 007.13
基本件名 機械学習
本の性格 実務向け
新刊案内掲載月 2019年11月1週
商品URL
参照
https://kw.maruzen.co.jp/ims/itemDetail.html?itmCd=1030652924

内容

「Pythonで強化学習が実装できる!」と好評を得た入門書の改訂版。読者からの要望・指摘を反映させた。主に、Policy GradientとA2Cの記述・実装を見直した。

・Pythonプログラミングとともに、ゼロからていねいに解説。
・コードが公開されているから、すぐ実践できる。
・実用でのネックとなる強化学習の弱点と、その克服方法まで紹介。

【おもな内容】

Day1 強化学習の位置づけを知る
 強化学習とさまざまなキーワードの関係
 強化学習のメリット・デメリット
 強化学習における問題設定:Markov Decision Process 

Day2 強化学習の解法(1): 環境から計画を立てる
 価値の定義と算出: Bellman Equation
 動的計画法による状態評価の学習: Value Iteration
 動的計画法による戦略の学習: Policy Iteration
 モデルベースとモデルフリーとの違い

Day3 強化学習の解法(2): 経験から計画を立てる
 経験の蓄積と活用のバランス: Epsilon-Greedy法
 計画の修正を実績から行うか、予測で行うか: Monte Carlo vs Temporal Difference
 経験を価値評価、戦略どちらの更新に利用するか:Valueベース vs Policyベース

Day4 強化学習に対するニューラルネットワークの適用
 強化学習にニューラルネットワークを適用する
 価値評価を、パラメーターを持った関数で実装する:Value Function Approximation
 価値評価に深層学習を適用する:Deep Q-Network
 戦略を、パラメーターを持った関数で実装する:Policy Gradient
 戦略に深層学習を適用する:Advantage Actor Critic (A2C)
 価値評価か、戦略か

Day5 強化学習の弱点
 サンプル効率が悪い
 局所最適な行動に陥る、過学習をすることが多い
 再現性が低い
 弱点を前提とした対応策

Day6 強化学習の弱点を克服するための手法
 サンプル効率の悪さへの対応: モデルベースとの併用/表現学習
 再現性の低さへの対応: 進化戦略
 局所最適な行動/過学習への対応: 模倣学習/逆強化学習

Day7 強化学習の活用領域
 行動の最適化
 学習の最適化

目次

著者紹介

久保 隆宏(著者):TIS株式会社戦略技術センター所属。「人のための要約」を目指し、少ない学習データによる要約の作成・図表化に取り組む。

カート

カートに商品は入っていません。