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

キカイガクシュウスタートアップシリーズパイソンデマナブキョウカガクシュウカイテイダイニハンニュウモンカラジッセンマデ
  • 電子あり
機械学習スタートアップシリーズ Pythonで学ぶ強化学習 [改訂第2版] 入門から実践まで
自分メモ
気になった本やコミックの情報を自分に送れます

内容紹介

「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

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

製品情報

製品名 機械学習スタートアップシリーズ Pythonで学ぶ強化学習 [改訂第2版] 入門から実践まで
著者名 著:久保 隆宏
発売日 2019年09月22日
価格 定価 : 本体2,800円(税別)
ISBN 978-4-06-517251-3
判型 A5
ページ数 304ページ

著者紹介

著:久保 隆宏(クボ タカヒロ)

TIS株式会社戦略技術センター所属。Twitter:@icoxfog417。
現在は、「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。また、論文のまとめを共有するarXivTimesの運営、『直感 Deep Learning』オライリージャパン(2018)の翻訳など、技術の普及を積極的に行っている。

おすすめの本

オンライン書店で見る