イベント内容

強化学習プログラミングセミナー
囲碁や自動運転などの行動を最適化することで注目を集めている強化学習AIについて学べるセミナーです

概要

囲碁や将棋から自動運転、ロボットの制御など、行動を最適化することで注目を集めている強化学習について、機械学習用ライブラリ「Chainer」「ChainerRL」「OpenAI Gym」を用いてプログラムを実装するスキルを習得することができます。

AI技術者に必要となる知識を実践を通して学ぶことができるセミナーです。

お申し込み方法

以下のお申込サイトよりお申し込みください。
https://ai-kenkyujo.com/deep-q-network/

タイムスケジュール

時間	内容
09:30〜	受付開始
10:00〜12:00	午前の部：強化学習の基本的な知識と仕組みを学習する ● 強化学習の学習手法の概要について(Q学習、DQN 、SARSA) ● 強化学習の活用事例 ● Q学習の学習手順と用語（状態・行動・報酬）について ● Qテーブルの更新とQ学習のパラメーターについて ● DQN（Deep Q Network）とは ● DQNの学習手順について ● 誤差関数とQ-network、Target-networkの重みの更新 ● ε-greedy法による探索について ● DQNの進化アルゴリズム
12:00〜13:00	休憩
13:00〜17:30	ロボットアーム動作の最適化や、ブロック崩しゲームの強化学習ブログラムを実装する(休憩30分含む) ● 棒を倒さないように土台を最適化する強化学習プログラムを実装する ● ロボットアームの動きを最適化する強化学習プログラムを実装する ● ブロック崩しゲームの強化学習プログラムを実装する ● 機械学習用ライブラリ「ChainerRL」「OpenAI Gym」の使い方について ●「ChainerRL」「OpenAI Gym」のインストール方法について ●「ChainerRL」を使った強化学習プログラムの実装手法について ● CartPole問題を使ったQ学習プログラムを実装する ● 報酬の割引率や、過去の結果の重要視度を変更する ● Acrobot問題を使ったDQN（Deep Q Network）プログラムを実装する ● ハイパーパラメーターの設定と学習精度を高める方法について ● 「OpenAI Gym」のシミュレーション環境について ● 報酬計算の手法を変更し学習精度を上げる ● Breakout問題（ブロック崩し）を使ったCNNの強化学習プログラムを実装する

---

参加対象

これからAIをビジネスで活用されたい

• プロジェクトマネージャー・管理職の方
• エンジニアの方

お申し込み方法

以下のお申込サイトよりお申し込みください。
https://ai-kenkyujo.com/deep-q-network/

持ち物

筆記用具(PCは環境構築済みのものをお貸し出しします。)

参加費

48,000円(税抜き)