～ 強化学習問題のモデル化・定式化、マルコフ決定過程下での強化学習による求解、連続な状態空間および行動空間への対応、実問題へ適用にあたっての勘どころ、および注意点 ～
・工夫が必要な強化学習の実用的な実装方法や活用ノウハウを修得するための講座
・試行錯誤の経験を通じ、状況に応じた適切な行動を獲得していく強化学習の実問題への適用法とアルゴリズムの実装方法を学び、システム開発に応用するための特別セミナー！
オンラインセミナーの詳細はこちら：
https://www.j-techno.co.jp/オンラインセミナーのご案内/
・ＷＥＢ会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
近年、ＡＩ分野の様々なブレークスルーと、計算機の処理能力の著しい向上により、高性能なＡＩを安価に利用できる環境が整ったことから、AIを活用した業務改善の取り組みが注目されている。これらＡＩの枠組みの１つとして、試行錯誤の経験を通じ、状況に応じた適切な行動を獲得していく強化学習は、ベテラン作業者の業務をＡＩで代替するなど業務の省力化が期待される。しかし、代表的強化学習法として知られるQ‐learningは、そのままでは実問題への適用には適さず、実問題で扱いが求められる連続な状態-行動空間へ適用するための工夫や、アンサンブル学習など他のＡＩ技術と併用するなどの対応が求められる。また、Q‐learningの学習が保証される環境条件も限られるのだが、これを利用者が理解せずに不適切な問題設定が原因で学習に失敗するケースも存在する。
本講義では、強化学習の基礎理論から、連続な状態‐行動空間を扱う方法、および実問題への適用にあたって注意すべき点などについて解説する。
| 開催日時 |
|
|---|---|
| 開催場所 | オンラインセミナー |
| カテゴリー | オンラインセミナー、ソフト・データ・画像・デザイン |
| 受講対象者 |
・作業ロボット等の学習システムに取り組むエンジニアの方 ・設計作業の自動化に取り組むエンジニアの方 ・実用的な強化学習をプログラムで実装したいエンジニアの方 ・システム、ソフト、データ解析部門のエンジニアの方 |
| 予備知識 |
・多変数関数の偏微分、および勾配法を用いた最適化について知識を有していると理解しやすい ・確率統計学、特に条件付確率、連続値の確率変数の確率密度関数の基礎知識があると理解しやすい |
| 修得知識 |
・状態遷移に不確実性を有する意思決定問題をマルコフ決定過程でモデル化・定式化する方法 ・マルコフ決定過程の解法 ・強化学習アルゴリズムを確率サンプリングによるダイナミックプログラミングの一種とする考え方 ・連続な空間における関数近似の考え方 ・ごく簡単なアンサンブル学習の原理 ・連続な状態-行動空間における強化学習アルゴリズムの実装方法 |
| プログラム |
１．概論：強化学習とは？ ２．強化学習問題と解法に関する基礎理論 ３．連続な状態空間への対応 ４．連続な行動空間への対応 ５．意思決定の時間間隔が一定ではない場合への対応 ６．強化学習を実問題へ適用するにあたっての勘どころ、および注意点 |
| キーワード | 強化学習 意思決定問題 マルコフ決定過程 最適状態価値関数 Bellman方程式 政策反復法 価値反復法 Q関数 Q‐learning Actor‐Critic法 状態空間 アンサンブル学習 過学習 行動空間 セミマルコフ過程 セミマルコフ決定過程 特徴量ベクトル Auto‐Encoder 政策勾配法 |
| タグ | AI・機械学習、ソフト管理、ソフト教育、ITサービス |
| 受講料 |
一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000円(税込) |
| 会場 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
