
TensorFlow 2.0で学ぶディープラーニングの基礎
Chris Song
¥6,817
初級 / Deep Learning(DL), Tensorflow, Machine Learning(ML)
3.8
(5)
TensorFlow 2.0の基礎文法を勉強し、 ディープラーニングの理論をテンソルフローの実践コードとして習得します。
初級
Deep Learning(DL), Tensorflow, Machine Learning(ML)
受講生 80名
難易度 初級
受講期間 無制限


講座 を紹介して、成長と収益を得ましょう!

マーケティングパートナーズ
講座 を紹介して、成長と収益を得ましょう!
強化学習基礎理論
Tensorflow 2.0強化学習プログラミング
強化学習とは、簡単に言えば、コンピュータプログラムが与えられた状況でどのような行動を取るかを学習することを意味します。つまり、難しい意思決定問題を簡単に解決できる一種の機械学習だと理解すればいいと思います。強化学習は人工知能が意思決定をする上で最も重要な内容の一つであり、自ら機械が相互作用を通じて最適な結論を出すことができるプログラムを設計できるようになります。
強化学習を勉強したい私たちの風と違って、強化学習を一人で勉強するのは難しいです。最大の2つの理由を挙げてみましょう。
強化学習を勉強すれば最新の論文や眩しいデモを夢見ることができますが、もっと遠い未来のためには強化学習の基本基を忠実に身につける必要があります。この講義を通じて、皆さんは強化学習の基礎概念を深く学び、次のような姿で生まれ変わることができます。
この講義を聞いた後、あなたの姿!
強化学習の基礎理論とフレームワークについて学び、人工知能の報酬体系に関連する基礎概念であるマルチアームバンディットとマルコフの状態、報酬、状態遷移などについて学びます。
前述のマルコフ決定プロセスの内容に基づいて、動的プログラミングの定義と活用方法についてお知らせします。
計算しようとしている値が複雑な場合に使用するモンテカルロ法の基礎概念について学びます。
実際の学習の経験から直接学ぶ形の時間差学習の基礎概念を調べ、モンテカルロ方法と直接比較し、どのような状況で活用できるかを学びます。
機械学習におけるモデルの概念を学び、表とモデルに基づく強化学習理論を学び、自分で練習してみます。
価値関数に基づいて行動を決定するのではなく、状況に応じて行動を選択する方針ベースの強化学習について学びます。
県)Riiid VP of AIOps
県)Google Developer Expert for ML
前)ネイバーAI Research Engineer
前)カカオData Engineer
Q. 非専攻者、入門者も聞ける講義ですか?
はい、そうです。基礎概念を扱うため、専攻者ではない方も明確に理解できるよう、次々とお知らせします。
Q. なぜ強化学習を学ぶべきですか?
私は人工知能の未来が強化学習にかかっていると信じています。特にAI Productionと強化学習をキャリアの2つのキーワードにしただけに強化学習に対する確信があります。
Q. 強化学習を学ぶと何がいいですか?
人工知能が与えられた状況で意思決定を下す方法の理論的基盤を築くことができます。
Q. 講義を聞く前に、準備すべきことはありますか?
Pythonの基礎を少し覚えておくと、講義の受講に役立ちます。
Q. 授業内容をどのレベルまで扱いますか?
基礎理論と簡単な実習まで扱うことになります。
学習対象は
誰でしょう?
強化学習の基本を身につけたい方
アルファゴの原理を理解したい人
機械学習大学院に進学予定の方
機械学習でキャリアを転向したい人
前提知識、
必要でしょうか?
Pythonの基礎
1,061
受講生
95
受講レビュー
8
回答
4.4
講座評価
3
講座
(現) Riiid VP of AIOps
(現) Google Developer Expert for Machine Learning
(前) Naver - AI Research Engineer
(前) Kakao - Data Engineer
全体
12件 ∙ (5時間 2分)
1. 強化学習 紹介
21:28
2. 多腕バンディット
18:57
3. マルコフ決定過程
32:33
4. 動的計画法
12:53
5. 動的プログラミング演習
26:58
6. モンテカルロ法
26:32
7. モンテカルロ法 実習
27:49
全体
3件
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!
¥6,817