AI研究所 - AI(人工知能)に脅かされないために、AI(人工知能)を作る側の人間になる -

HOME  >  需要の高いAI技術者になれる!「強化学習プログラミングセミナー」をご紹介!

公開日:2020.08.18 

需要の高いAI技術者になれる!「強化学習プログラミングセミナー」をご紹介!

プログラミング

こんにちは!AI研究所の見習い研究員のChisatoです。
本日のtopicsは、AI技術者にとって必要となる知識を実践を通して学べる「強化学習プログラミングセミナー」をご紹介します。

強化学習とは、機械学習の手法の1つです。囲碁や将棋の一手から自動運転やロボットの行動などを試行錯誤して制御していく学習のことです。本セミナーでは、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。

・強化学習プログラムの実装スキルを習得したい方
・ビジネスをする上で必要な人工知能や強化学習の知識を身につけたい方
・ゲームやロボットの動作を人工知能を使って最適化したい方
・Q学習、DQNのアルゴリズムについて学びたい方
・強化楽手ライブラリ「ChainerRL」を扱えるようになりたい方
・強化学習のシュミレーションライブラリ「OpenAI Gym」を扱えるようになりたい方
・より実践的な強化学習のプログラミングセミナーを受講したい方

このような方におすすめのAIセミナーです!

現在、新型コロナウィルス感染防止対策として、受講スタイルを、会場の他、会場セミナーと変わらずにチャットや音声通話で質問やレクチャー等のやりとりが可能なライブウェビナーの受講も可能です。

開催シュケジュール/申し込みはこちら

セミナーの特長

本セミナーは、ニューラルネットワークの仕組みと、プログラミング言語「Python」を理解されていることを前提としたセミナーとなっています。不安な方は「AIエンジニアになるための3日間集中セミナー」を受講されることをお勧めします。
受講後は、
・自動運転乗り物の自動運転
・自動制御ロボットなどの自動制御
・配信セグメントユーザーの傾向や好みを自動調査
・ゲームの最適化ゲームの機能を更に向上
といった知識スキルが獲得できます。

1.「即戦力のあるAIエンジニア」に求められるスキルの習得

強化学習のプログラムだけを実装できても、実務では役に立ちません。どのようなスキルを、どのようにビジネス(業務)に活かすのかを考えて実装する必要があります。
本セミナーは、強化学習の仕組みの理解とプログラミングの両側面を重要視した内容となっています。

2.実務運用ですぐに使える知識と技術に絞った学習内容

強化学習プログラミングは非常に多くの時間を費やします。本セミナーは、機械学習用ライブラリ「Chainer」「ChainerRL」「OpenAI Gym」を用いて実装するスキルを習得することができるため、たった1日で強化学習に必要な知識と技術を習得できるセミナー構成となっています。

3.プログラミングを「わかりやすく教える能力」に優れた講師による指導

強化学習がこんなにわかりやすく学べるのはここだけです。AI研究所では、強化学習について広く専門的な知識があるだけでなく「わかりやすく教える能力」に優れた講師を揃えています。

セミナーカリキュラム

「強化学習」の基礎知識と仕組みを理解し、実務で使える実装スキルを1日で習得します。

午前の部

強化学習の基本的な知識と仕組み、さらに強化学習プログラムを実装する上で必要なライブラリや設定項目を学習します。
・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

午後の部

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機械学習用ライブラリ「ChainerRL」「OpenAI Gym」を利用して実装します。
・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

Pythonの知識さえあれば受講可能!たった一日でAI技術者としての人生が変わる「強化学習プログラミングセミナー」に注目です!


参考になったら「いいね!」と「シェア」をお願いします!!

このエントリーをはてなブックマークに追加
AI(人工知能)セミナー開催中