- Ｐｙｔｈｏｎで学ぶ強化学習 改訂第２版
-
入門から実践まで
機械学習スタートアップシリーズ
- 価格
- 3,080円（本体2,800円＋税）
- 発行年月
- 2019年09月
- 判型
- Ａ５
- ISBN
- 9784065172513
この商品をご覧のお客様は、こんな商品もチェックしています。
- Ｐｙｔｈｏｎ言語によるプログラミングイントロダクション 第３版
-
価格：6,050円（本体5,500円＋税）
【2023年01月発売】
- Ｐｙｔｈｏｎによる数理最適化入門
-
価格：3,520円（本体3,200円＋税）
【2018年04月発売】
- Ｐｙｔｈｏｎ言語によるビジネスアナリティクス
-
価格：7,040円（本体6,400円＋税）
【2016年08月発売】
- Ｐｙｔｈｏｎ言語によるプログラミングイントロダクション 第２版
-
価格：5,060円（本体4,600円＋税）
【2017年08月発売】
- はじめてのＯＳコードリーディング
-
価格：3,520円（本体3,200円＋税）
【2013年02月発売】
のマークが目印です。
[BOOKデータベースより]
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。
強化学習の位置づけを知る
[日販商品データベースより]強化学習の解法（環境から計画を立てる；経験から計画を立てる）
強化学習に対するニューラルネットワークの適用
深層強化学習の弱点
強化学習の弱点を克服するための手法
強化学習の活用領域
「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