【 TensorFlow・Python3 で学ぶ】深層強化学習入門
Learn reinforcement learning basics (Q-learning, policy gradients) with Python. Build agents and deepen your understanding of this exciting AI field!
Course Content
【 TensorFlow・Python3 で学ぶ】深層強化学習入門 is a beginner-level Udemy course taught by 井上 博樹 (Hiroki Inoue). It runs 3h 17m, is taught in Japanese, and includes a certificate of completion. Learners rate it 3.7 out of 5 from 370 reviews, with 3,623 students enrolled. It is a paid course, last updated October 2019.
強化学習をPythonで学ぶ:基礎から実践まで
このコースでは、強化学習の基礎知識を、実際にPythonでコードを書きながら学ぶことができます。 AlphaGo Zeroの登場以来注目を集める強化学習は、機械学習の一分野であり、**AI**が試行錯誤を通じて最適な戦略を獲得する技術です。
コース内容
この講座では、以下の主要な強化学習の概念を、理論解説とPythonによる演習を通して理解を深めます。
- マルコフ決定過程 (MDP):強化学習の基礎となる概念。
- ベルマン方程式:最適な方策を導出するための重要な方程式。
- Q学習:QテーブルとQネットワークを用いた強化学習アルゴリズム。
- 方策勾配 (Policy Gradient):直接的に最適な方策を学習する手法。
- DQN (Deep Q-Network):深層Qネットワーク学習による強化学習。ディープラーニングとニューラルネットワークを活用。
実践的なプログラミング題材
OpenAI Gymから提供される以下の強化学習問題を実際にPythonで解いていきます。
- フローズンレイク問題:凍った湖の上を安全にゴールする問題。
- Qテーブル法によるQ値の探索
- Qネットワーク法(ニューラルネットワーク)による解決
- 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における最適な腕の選択。
- カートポール問題:倒立振り子を制御し、ポールが倒れないようにカートを操作する問題。DQN(ディープラーニング、多層ニューラルネットワーク)を用いて解決。
コースの対象者
- 強化学習の基礎知識を習得したい方
- Pythonを用いた機械学習の実践に興味がある方
- AI技術をビジネスや開発に活用したい方
受講上の注意点
本コースは、ビデオによる学習が苦手な方には適していません。コードを実際に書きながら学ぶことを前提としています。
更新情報
- 2017/11/9:カートポール問題の結果可視化、エージェントのプレイ表示をアップロード。基本的なトピックは網羅。
- 2017/11/8:カートポール問題のトレーニングレクチャーを掲載。
- 2017/11/1:カートポール問題のイントロを掲載。
- 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。
- 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。
ぜひこの機会に強化学習の考え方と基礎知識を習得し、ビジネスや開発に活かしてください。リクエストに応じて、Pythonコーディングの補足解説や発展的なトピックの追加を検討します。
Want AI in your product? Hire the team behind TutorialSearch.io
LLM features, RAG, agents and automation wired into a real product — built by the devs who shipped this site.