セミナー 強化学習 機械学習 人工知能 python マルコフ決定過程 ロボット

サイトマップサイトマップ よくあるお問合わせよくあるお問合せ リクエストリクエスト セミナー会場セミナー会場へのアクセス リンクリンク
セミナーのメニュー
  ヘルスケア系
9月
10月
11月
12月〜

化学・電気系 その他各分野
9月
10月
11月
12月〜

  ・10月名古屋開催セミナー
出版物出版物
新刊図書新刊図書 月刊 化学物質管理Gmpeople
通信教育講座通信教育講座
LMS(e-learning)LMS(e-learning)
セミナー収録DVDDVD
電子書籍・学習ソフトDVD
セミナー講師のコラムです。講師コラム
  ↑2019/9/11更新!!
お申し込み・振込み要領お申込み・振込要領
案内登録案内登録
↑ ↑ ↑
新着セミナー、新刊図書情報をお届けします。

※リクエスト・お問合せ等
はこちら→ req@johokiko.co.jp



SSL GMOグローバルサインのサイトシール  


セミナー 強化学習 機械学習 人工知能 python マルコフ決定過程 ロボット

【強化学習 入門セミナー】
★簡単な例題やデモを通して、強化学習がうまく働く仕組みや応用例を解説!
★マルコフ決定過程や代表的なアルゴリズムなどの基礎から、実装時に生じる諸問題と解決策、Pythonによる実装デモ、ロボット制御や脳の意思決定モデル等への応用まで。

基礎から学べる強化学習

〜アルゴリズムの基本原理から応用例まで〜

講師

奈良先端科学技術大学院大学
先端科学技術研究科情報科学領域 准教授 吉本 潤一郎 先生

* 希望者は講師との名刺交換が可能です

講師紹介

■ご略歴:
1998年 関西大学総合情報学部卒業
2002年 奈良先端科学技術大学院大学情報科学研究科博士後期課程修了(博士(工学)取得)
2002-2004年 科学技術振興機構CREST研究員
2004-2015年 沖縄科学技術大学院大学神経計算ユニット研究員(2010よりグループリーダに昇格)
2015年-現在 奈良先端科学技術大学院大学情報科学研究科(2018より先端科学技術研究科情報科学領域に改組)准教授

■ご専門および得意な分野・研究:
ニューロコンピューティング、機械学習、計算神経科学、ニューロインフォマティクス

■本テーマ関連学協会でのご活動:
・電子情報通信学会和文論文誌D編集副委員長
・情報処理学会バイオ情報学研究会幹事
・IEEE Computational Intelligence Society JAPAN CHAPTER Secretary
など

→このセミナーを知人に紹介する

日時・会場・受講料

●日時 2019年12月12日(木) 12:30-16:30
●会場 [東京・浮間舟渡]板橋区立企業活性化センター2階 第1研修室 →「セミナー会場へのアクセス」
●受講料 1名41,800円(税込(消費税10%)、資料付)
 *1社2名以上同時申込の場合、1名につき30,800円
      *学校法人割引;学生、教員のご参加は受講料50%割引。→「セミナー申込要領・手順」を確認下さい。

 ●録音・撮影行為は固くお断り致します。
 ●講義中の携帯電話の使用はご遠慮下さい。
 ●講義中のパソコン使用は、講義の支障や他の方の迷惑となる場合がありますので、極力お控え下さい。
  場合により、使用をお断りすることがございますので、予めご了承下さい。
  *PC実習講座を除きます。


■ セミナーお申込手順からセミナー当日の主な流れ →

セミナー開催にあたって

■はじめに:
 強化学習とは環境とのインタラクションを通して試行錯誤的に最適な戦略や行動選択則を獲得する機械学習法の枠組みです。囲碁や将棋の世界では、人工知能が人間エキスパートを超えるようになり世の中を驚かせましたが、それには強化学習が大きな貢献を果たしました。では、強化学習を使えば何でもできるのでしょうか?それとも、強化学習にも苦手な応用分野はあるのでしょうか?それを知るには強化学習の基本原理を理解する必要があります。
 本セミナーでは、簡単な例題やプログラム演習を通して、強化学習がうまく働く仕組みや応用例を解説するとともに、脳の情報処理との相同性や相違性をご紹介したいと思います。

■受講対象者:
・強化学習についてゼロから学びたいと考えている方
・強化学習アルゴリズムのプログラム実装にチャレンジしたいと考えている方
・強化学習モデルを利用して行動データの解析を試してみたいと考えている方
・その他、本テーマに興味のある方なら、どなたでも受講可能です。

■必要な予備知識:
 高校卒業レベルの線形代数と基礎解析の知識があると望ましいですが、この分野に興味のある方なら、特に予備知識は必要ありません。

■予習・復習したい方へ:おすすめ参考書
・R.S. Sutton & A.G. Barto: Reinforcement Learning: An Introduction (Second Edition), MIT Press, Cambridge, MA, 2018. (http://incompleteideas.net/book/the-book-2nd.htmlよりプレプリントの閲覧が可能です)
・牧野貴樹,澁谷長史,白川真一(編): これからの強化学習,森北出版,2016.

■本セミナーで習得できること:
・強化学習の基礎知識と応用例
・Pythonによる強化学習アルゴリズムの実装方法
・強化学習モデルを利用したヒトや動物の行動解析法
など

セミナー内容

1.はじめに
 1)例題から学ぶ機械学習と強化学習の位置づけ
 2)強化学習の歴史

2.強化学習の基礎理論
 1)マルコフ決定過程による問題の定式化とその解法
  @ マルコフ決定過程
  A 価値反復法
  B 方策反復法
 2)代表的な強化学習アルゴリズム
  @ モンテカルロ法
  A TD学習法
  B Q学習法
  C SARSA法
  D モデル同定型強化学習法
  E 方策勾配法
 3)アルゴリズム実装時に生じる諸問題とその解決法
  @ 探索と知識利用のジレンマ
  A メタ学習
  B 連続空間・高次元空間への対応とDQN
  C 部分観測問題への対応

3.プログラミング演習:Pythonによる強化学習アルゴリズムの実装

4.強化学習の応用例

 1)ロボットの自動制御
 2)ゲームエージェントの学習
 3)脳の意思決定モデルと行動解析

5.質疑応答・名刺交換・個別相談

■ご講演中のキーワード:

強化学習、価値関数法、方策探査法、actor-critic法、マルコフ決定過程、探索と知識利用のジレンマ、脳の意思決定モデル

セミナー番号:AC191214

top

注目の新刊

雑誌 月刊化学物質管理

5G

洗浄バリ 2019

日本語メディカルライティング

DI対応CSV 2019

プラスチック環境対応技術

自動運転センシング

半導体製造プロセス

三次元培養

ピッカリング・エマルション

再生医療・細胞治療

分野別のメニュー

化学・電気系他分野別一覧

  植物工場他

  機械学習他

ヘルスケア系分野別一覧

  海外関連

  医療機器

各業界共通
マーケティング・人材教育等

「化学物質情報局」

特許・パテント一覧 INDEX
(日本弁理士会 継続研修)

印刷用申込フォーム    

セミナー用

書籍用

会社概要 プライバシーポリシー 通信販売法の定めによる表示 商標について リクルート
Copyright ©2011 情報機構 All Rights Reserved.