BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:強化学習勉強会「OpenAI Gym入門」
X-WR-CALNAME:強化学習勉強会「OpenAI Gym入門」
X-WR-TIMEZONE:Asia/Tokyo
BEGIN:VTIMEZONE
TZID:Asia/Tokyo
BEGIN:STANDARD
DTSTART:19700101T000000
TZOFFSETFROM:+0900
TZOFFSETTO:+0900
TZNAME:JST
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
UID:617724@techplay.jp
SUMMARY:強化学習勉強会「OpenAI Gym入門」
DTSTART;TZID=Asia/Tokyo:20170404T200000
DTEND;TZID=Asia/Tokyo:20170404T220000
DTSTAMP:20260404T070432Z
CREATED:20170328T161033Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/61772
 4?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n発表形式を
 想定しています。\nこちらの本を進めていく予定です
 。\n発表してくださる方募集中！！\n\n強くなるロボテ
 ィック・ゲームプレイヤーの作り方\nhttps://book.mynavi.jp/
 ec/products/detail/id=52804\n\nオススメの本\nhttps://www.morikita.c
 o.jp/books/book/3034\n\nスケジュール\n輪読本\nhttps://book.mynav
 i.jp/ec/products/detail/id=52804\n【4月】：強化学習\n１週目：
 gym入門など●\n２週目：\n　　　　1章 “強くなる”ロ
 ボティック・ゲームプレイヤーを作るには\n　
 　　　2章 学習とは?\n３週目：\n　　　　3章 強化学習
 ●\n　　　　　3.1  強化学習の背景\n　　　　　3.2  強
 化学習の構成 \n　　　　　3.3  マルコフ決定過程\n　　
 　　　3.4  最適政策関数\n４週目：\n　　　　3章 強化
 学習●\n　　　　　3.5  状態価値関数\n　　　　　3.6  
 状態・行動価値関数\n　　　　　3.7  動的計画法の問題
 点\n【5月】：強化学習\n１週目：\nお休み\n２週目：\n
 　　　　4章　離散的な空間での学習●\n　　　　　4.1
 　はじめに\n　　　　　4.2　ルックアップテーブルで
 表される価値関数の例\n　　　　　4.3　標本を抽出す
 る\n　　　　　4.4　モンテカルロ法\n３週目：\n　　　
 　4章　離散的な空間での学習\n　　　　　4.5　価値関
 数近似における教師付き学習\n　　　　　4.6　TD法\n　
 　　　　4.7　Q学習\n　　　　　4.8　三目並べ(Tic-Tac-Toe)
 の例\n　　　　　4.9　実行例\n４週目：\n　　　　5章　
 連続的な空間での学習\n　　　　　5.1　はじめに\n　　
 　　　5.2　台車の山登りゲーム\n　　　　　5.3　価値
 関数の近似誤差\n　　　　　5.4　価値関数のモデル\n５
 週目：\n 　　　　5章　連続的な空間での学習\n　　　
 　　5.5　カーネルモデル\n　　　　　5.6　線形モデル
 の最小二乗推定\n　　　　　5.7　カーネルモデルの最
 小二乗推定\n　　　　　5.8　アクロボットの例\n【6月
 】：強化学習\n１週目：\n　　　　6章　政策を直接近
 似する\n　　　　　6.1　はじめに\n　　　　　6.2　政策
 勾配法\n　　　　　6.3　最小分散ベースライン\n　　　
 　　6.4　ガウスモデル政策モデル\n２週目：\n　　　　
 6章　政策を直接近似する\n　　　　　6.5　自然政策勾
 配法\n　　　　　6.6　政策勾配の例\n　　　　　6.7　4
 足ロボットへの実装\n強化学習  END\n３週目：\n４週目
 ：\n\n次の輪読テーマ募集！！\n電子回路系\n    FPGAなど
 \nロボット系\nhttps://www.amazon.co.jp/dp/4822239292/ref=pd_sim_14_6
 4?_encoding=UTF8&psc=1&refRID=AY8SJWTTVSZ0RDZ8GBY4\n\nデータサイエ
 ンス系\nhttps://www.amazon.co.jp/Python%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%
 BF%92%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%9F%E3%83%B3%E3%82%B0-%E9%
 81%94%E4%BA%BA%E3%83%87%E3%83%BC%E3%82%BF%E3%82%B5%E3%82%A4%E3%82%A8%E3%8
 3%B3%E3%83%86%E3%82%A3%E3%82%B9%E3%83%88%E3%81%AB%E3%82%88%E3%82%8B%E7%90
 %86%E8%AB%96%E3%81%A8%E5%AE%9F%E8%B7%B5-impress-top-gear/dp/4844380605\n\
 n\n実装をもっとしたい方はこちら\n当日までに何かし
 ら作ってくるミニハッカソン\n発表のレベルは問いま
 せん。\nhttps://aichatbot.connpass.com/event/\n\nみんなでチャレ
 ンジしています。\nHouse Price\nhttps://www.kaggle.com/c/house-pri
 ces-advanced-regression-techniques\n\nGeneral AI Challenge\nhttps://gener
 al-ai-challenge.connpass.com/event/50541/\n\nSelf-Driving Car Challenge\n
 https://www.udacity.com/didi-challenge\n\n\n持ち物\n実装をされる
 方はPC\n対象\n人工知能を１から始めたい方、考えてる
 方\n人工知能に少し興味のあるプログラマ\nドキュメン
 ト\nゼロから作るDeep Learning Pythonで学ぶディープラーニ
 ングの理論と実装\n→終了\nhttps://www.oreilly.co.jp/books/9784
 873117584/\n\nkerasドキュメント\n→終了\nhttps://keras.io/ja/\n
 参加費\n1000円（会場費）\n開催場所\nコワーキングスペ
 ース秋葉原 Weeyble（ウィーブル)\nhttp://weeyble.com/\n\n東京
 都千代田区神田須田町２丁目１９−２３(野村第３ビル
 ４階)\n秋葉原駅電気街口または中央改札口より徒歩3分
 。 都営新宿線 岩本町駅徒歩3分、銀座線 神田駅6番出
 口徒歩2分\n\nその他\n途中参加や途中退出は自由です。
 \n電源、Wi-Fiはあります。\n一緒に運営してくださる方
 募集してます。\n\nグループ\nhttps://www.facebook.com/groups/15
 15619948454253/\n資料もこちらに貼る予定です。また質問
 などご自由にどうぞ。
LOCATION:コワーキングスペース秋葉原 Weeyble（ウィーブル)
  東京都千代田区神田須田町２丁目１９−２３  (野村第
 ３ビル４階)
URL:https://techplay.jp/event/617724?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR