Pythonで学ぶ強化学習 = Reinforcement Learning by Python : 入門から実践まで

• Material Type: 図書
• ISBN: 978-4-06-517251-3
• Title: Pythonで学ぶ強化学習 : 入門から実践まで
• Title Transcription: パイソン デ マナブ キョウカ ガクシュウ
• Author/Editor: 久保隆宏 著
• Edition: 改訂第2版
• Series Title: 機械学習スタートアップシリーズ
• Author Heading: 久保, 隆宏 クボ, タカヒロ ( 001300203 )Authorities
• Publication, Distribution, etc.: 東京 : 講談社
• Publication Date: 2019.9
• Publication Date (W3CDTF): 2019
• Extent: 297p
• Size: 21cm
• Alternative Title: Reinforcement Learning by Python ニュウモン カラ ジッセン マデ; Reinforcement Learning by Python
• Place of Publication (Country Code): JP
• Text Language Code: jpn
• Subject Heading: プログラミング (コンピュータ) プログラミング (コンピュータ) ( 00569223 )Authorities; 機械学習 キカイ ガクシュウ ( 001210569 )Authorities
• NDC 10th ed.: 007.13 : Information science. Informatics
• NDLC: M159
• Target Audience: 一般
• Note (Bibliography): 文献あり 索引あり
• Price: 2800円
• Holding library: 国立国会図書館
• Call No.: M159-M194
• Data Provider (Database): 国立国会図書館 : 国立国会図書館蔵書; https://ndlsearch.ndl.go.jp
• Bibliographic ID (NDL): 029951878; http://id.ndl.go.jp/bib/029951878
• National Bibliography No. (JPNO): 23276069
• TOHAN MARC No.: 33975504
• Cataloging Rule: Nippon Cataloguing Rules 1987 Revised Edition
• Bibliographic Record Category (NDL): 111

• Summary, etc.: 「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。(Provided by: 出版情報登録センター（JPRO）)
• Author introduction: 久保 隆宏 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)...

Table of Contents

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