【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。