プログラマーのための強化学習(著者直講)

将来のビジネスの中核技術「強化学習」
基本概念から簡単かつ詳細にお知らせします。 🦾

■コース概要

本講義は「プログラマーのための強化学習」の本を中心に作られました。地面に全て入れられなかった内容を著者が直接講義します。 1日2時間ずつ17日であれば、強化学習を自分のスキルにすることができます。今、この瞬間から、強化学習は難しく理解できない旺盛な壁ではなく、自由に活用して私の価値を高める非常に素晴らしいツールになります。

講義で使用された例は、https: //github.com/multicore-it/rlサイトからダウンロードできます。

■犬正版講義発売しました。

数学理論と複雑なコードのために強化学習の勉強を躊躇した方々のための『プログラマーのための強化学習』改訂版がいよいよ出てきました。強化学習を通じて、予測不可能な状況で自ら判断し、適応するインテリジェントシステムを作ることができる実戦型開発能力を育てます。 🔗ショートカット

• よりフレンドリーで直感的な説明を追加しました。
• 最新のワーキングツール（Stable Baselines3）とテクニック（Optuna）を追加しました。
• 豊富な実務例プロジェクト（資産配分戦略、支店循環勤務）を実施しました。

■なぜ強化学習なのか？

強化学習は資本ではなく実力中心

強化学習は、事前にラベル付けされたデータを学習するのではなく、エージェントを実行しながらデータを自分で作成するため、データ操作に対する負担が少なく、コンピューティングパワーが比較的少なくなります。強化学習アルゴリズムの深い理解と問題を解決するためのプログラミングの実力に多くのことがかかっているため、失格で勝負できる分野です。

強化学習は、将来のビジネス革新の重要な技術です

強化学習は、大韓民国のように資本力が不足している環境で適切な人工知能技術です。これは、ビジネス環境で発生する多くの問題をプログラミングスキルと強化学習アルゴリズムで解決し、これらの特性に基づいてより高度なサービスと製品を作成できるためです。

■講義の特徴

■学習内容

強化学習基礎概念のセクションでは、強化学習に必要な統計と数学理論を最初に説明し、次にMDPからDQNアルゴリズムまでのプロセスについて詳しく説明します。

人工ニューラルネットワークの部分では、人工ニューラルネットワークについて重点的に説明するのではなく、人工ニューラルネットワークに至る過程を線形回帰からじっくり説明します。人工知能の概念がまったくない人も理解できるように基礎から説明するので、プログラミングに関する少しの知識だけがあれば、誰でも簡単に理解できます。

価値ベースの強化学習セクションでは、 DQNアルゴリズムをコード中心に説明します。さまざまな強化学習アルゴリズムのうち、価値ベースの強化学習が比較的理解しやすいため、まず紹介します。

ポリシーベースの強化学習セクションでは、REINFORCE、A2C、PPOアルゴリズムをコードを中心に説明し、直接実行できるように案内します。ポリシーベースのアルゴリズムは、価値ベースのアルゴリズムよりも理解が困難ですが、比較的安定したパフォーマンスを示すため、多くの時間を費やして説明しています。

最後に、強化学習チューニングについて説明します。チューニングに不可欠な人工ニューラルネットワークの詳細理論から始めて、アルゴリズムパラメータのチューニングを効率的に支援するベイジアン最適化技術まで具体的に取り上げています。

■プログラムエラー対策

ニュース「プログラムエラーアクションガイド（2022年12月10日）」をご覧ください