フンフンしてもなんとかならない…!? より有効的なゲームAI研究術 #pyconjp #pyconjp_203

PythonではじめるOpenAI Gymトレーニング Takahiro Kubo(icoxfog417) 説明 OpenAI Gymをご存知でしょうか。これは名前の通り"AI"をトレーニングするためのジムで、様々なゲームなどで自分の開発したAIを"トレーニング(学習)"させることができます。 本セッションでは、強化学習を用いたAIの開発方法と、O続きを読むPythonではじめるOpenAI Gymトレーニング Takahiro Kubo(icoxfog417) 説明 OpenAI Gymをご存知でしょうか。これは名前の通り"AI"をトレーニングするためのジムで、様々なゲームなどで自分の開発したAIを"トレーニング(学習)"させることができます。 本セッションでは、強化学習を用いたAIの開発方法と、OpenAI Gymを用いたトレーニングのさせ方について解説します。 概要 ※基本的な流れは、Qiitaに掲載済みのこちらの記事に沿って行います http://qiita.com/icoxfog417/items/242439ecd1a477ece312 ロボットから自動運転車、はては囲碁・将棋といったゲームまで、昨今多くの「AI」が世間をにぎわせています。 その中のキーワードとして、「強化学習」というものがあります。そうした意味では、数ある機械学習の手法の中で最も注目されている(そして誇張されている・・・)手法ともいえるかもしれません。 本発表では、その強化学習という手法について、基礎から最近目覚ましい精度を出しているDeep Q-learningまで、その発展の流れと仕組みについて解説をしていきたいと思います。そして、最終的にはPythonでそのアルゴリズムを実装し、OpenAIという強化学習のトレーニング用ライブラリを用いて学習させてみたいと思います。 発表アウトライン 強化学習の特性 強化学習のモデル化(Markov Decision Process) モデルの学習方法 Value Iteration/Policy Iteration Q-learning Deep Q-learning 実践 Deep Q-learningの実装 OpenAI Gymを用いた実践
openai gym Python 深層学習 deeplearning pycon
tg__dev 620view 0コメント
1
ログインして広告を非表示にする

コメント

カテゴリーからまとめを探す

「イベント」に関連するカテゴリー

ログインして広告を非表示にする
ログインして広告を非表示にする