この本は,深層強化学習を実践的に学ぶことができる書籍です.深層強化学習の環境構築〜実利用までがコンパクトに,綺麗にまとめられています.
利用環境のOS(PC)は,Windows,MacOS,Ubuntuを扱っています.また,ハードウェアとしては,PC以外に最近流行りのRaspberryPi,Arduinoを用いた環境での利用も解説されています.
これらのOS・ハードウェアでの深層強化学習用環境の構築方法や,プログラム例,実行結果例,ハードウェア構成の写真などが豊富に掲載されています.また,書籍内で紹介されているサンプルプログラムは,全てオーム社のWEBページからダウンロードすることができます.
「深層学習・深層強化学習の初学者・中級者(例えば大学生や深層学習・深層強化学習を業務に取り入れたい社会人)がステップアップしながら深層強化学習の基礎を学ぶことができます.[まえがきより引用]」の通りで,一通り本書を読み,実践すれば,深層強化学習の基本を習得することができるでしょう.
これまで,深層強化学習(深層学習においても)について,実用面からこれほど丁寧に・簡潔に解説を行っている書籍はなかったと思います.まず,手を動かしてみたい,実行環境を構築してみたいというニーズに完全に合致している良書です.
Kindle 価格: | ¥2,772 (税込) |
獲得ポイント: | 28ポイント (1%) |
を購読しました。 続刊の配信が可能になってから24時間以内に予約注文します。最新刊がリリースされると、予約注文期間中に利用可能な最低価格がデフォルトで設定している支払い方法に請求されます。
「メンバーシップおよび購読」で、支払い方法や端末の更新、続刊のスキップやキャンセルができます。
エラーが発生しました。 エラーのため、お客様の定期購読を処理できませんでした。更新してもう一度やり直してください。
Pythonによる深層強化学習入門 ChainerとOpenAI Gymではじめる強化学習 [プリント・レプリカ] Kindle版
※このKindle本はプリント・レプリカ形式で、Kindle Paperwhiteなどの電子書籍リーダーおよびKindle Cloud Readerではご利用いただけません。Fireなどの大きいディスプレイを備えたタブレット端末や、Kindle無料アプリ (Kindle for iOS、Kindle for Android、Kindle for PC、Kindle for Mac) でのみご利用可能です。また、文字列のハイライト、検索、辞書の参照、引用については、一部機能しない場合があります。文字だけを拡大することはできません。
※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。
深層強化学習の入門から実装まで、この一冊でわかる!
アルファ碁などのゲームAIやロボットアームの制御、自動運転などで注目されている深層強化学習の基礎と、Pythonによる実装について解説した入門書です。
強化学習に適したライブラリであるChainer(ChainerRL)と、AIシミュレーション環境であるOpenAI gymを用いて解説しています。
ソフトウェアシミュレーションだけでなくRaspberryPiとArduinoを用いた実環境への応用も解説しているので、ソフト・ハード問わず自身の課題に深層強化学習を応用することができるようになっています。
1章 はじめに
2章 深層学習
3章 強化学習
4章 深層強化学習
5章 実環境への応用
付録
付録1 VirtualBoxのインストール
付録2 RaspberryPiの設定
付録3 Arduinoのインストール
付録4 Graphical Processing Unit(GPU)の利用
付録5 Intel Math Kernel Libraryを用いたNumPyのインストール
※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。
深層強化学習の入門から実装まで、この一冊でわかる!
アルファ碁などのゲームAIやロボットアームの制御、自動運転などで注目されている深層強化学習の基礎と、Pythonによる実装について解説した入門書です。
強化学習に適したライブラリであるChainer(ChainerRL)と、AIシミュレーション環境であるOpenAI gymを用いて解説しています。
ソフトウェアシミュレーションだけでなくRaspberryPiとArduinoを用いた実環境への応用も解説しているので、ソフト・ハード問わず自身の課題に深層強化学習を応用することができるようになっています。
1章 はじめに
2章 深層学習
3章 強化学習
4章 深層強化学習
5章 実環境への応用
付録
付録1 VirtualBoxのインストール
付録2 RaspberryPiの設定
付録3 Arduinoのインストール
付録4 Graphical Processing Unit(GPU)の利用
付録5 Intel Math Kernel Libraryを用いたNumPyのインストール
- 言語日本語
- 出版社オーム社
- 発売日2018/8/10
- ファイルサイズ16140 KB
この本はファイルサイズが大きいため、ダウンロードに時間がかかる場合があります。Kindle端末では、この本を3G接続でダウンロードすることができませんので、Wi-Fiネットワークをご利用ください。
- 販売: Amazon Services International LLC
- Fire タブレットKindle 無料読書アプリ
この本を読んだ購入者はこれも読んでいます
ページ 1 以下のうち 1 最初から観るページ 1 以下のうち 1
登録情報
- ASIN : B07G74RRWC
- 出版社 : オーム社 (2018/8/10)
- 発売日 : 2018/8/10
- 言語 : 日本語
- ファイルサイズ : 16140 KB
- Text-to-Speech(テキスト読み上げ機能) : 有効になっていません。
- X-Ray : 有効にされていません
- Word Wise : 有効にされていません
- 付箋メモ : 有効になっていません
- Amazon 売れ筋ランキング: - 331,599位Kindleストア (Kindleストアの売れ筋ランキングを見る)
- - 1,374位コンピュータサイエンス (Kindleストア)
- - 1,392位人工知能
- - 13,511位工学 (Kindleストア)
- カスタマーレビュー:
著者について
著者をフォローして、新作のアップデートや改善されたおすすめを入手してください。
山梨大学 工学部 メカトロニクス工学科 准教授
兵庫県佐用町出身。
津山高専卒、豊橋技術科学大学を修了。博士(工学)。現在は、国立大学法人山梨大学大学院の准教授。
大学で音声認識やユーザインタフェースの研究を行っている中で,国立台湾大学に留学したときに日本より海外のほうがディープラーニングの研究が進んでいることを痛感し(当時は日本ではAIがそんなに騒がれていなかった)、本格的にディープラーニングの勉強を始める。
嫁とかわいい2歳の娘との3人暮らし。趣味は温泉めぐり。ツイッターは @hiro32_n
-
トップレビュー
上位レビュー、対象国: 日本
レビューのフィルタリング中に問題が発生しました。後でもう一度試してください。
2018年9月7日に日本でレビュー済み
レポート
6人のお客様がこれが役に立ったと考えています
役に立った
2018年8月26日に日本でレビュー済み
Amazonで購入
強化学習+CNN,Pythonの環境構築から実環境での実験まで,深層強化オールインワンな内容でした。とても優しい語り口で丁寧な説明だと思います。初学者が勘違いしやすいポイントとかパラメータの説明も要所要所でされており好感が持てました。まずは自分でやってみようというチュートリアル本としてはとても良い内容だと感じます。卒業研究くらいの学生さんにはお勧めできます。惜しむべくは,DQN それも極めてシンプルな実装だけに留まっており最近の重要なトピックスはほぼ皆無という点です。オーム社さんのML関連の本はどれも表面だけの内容が多いのはなぜなのでしょうか。Double QやDueling Networkあたりは発展形として少しでも紹介があるとよかったと感じました。
内容とは関係ありませんが,表紙がウサギと人参 なのが不思議。ネズミとチーズならわかるのだが。。
内容とは関係ありませんが,表紙がウサギと人参 なのが不思議。ネズミとチーズならわかるのだが。。
2019年9月3日に日本でレビュー済み
深層学習と強化学習の説明をしてから深層強化学習の説明がされているので階段を上るように理解できました。
深層強化学習の章では対戦ゲームの作製があり興味深く読み進めることができました。
そして、この本ならではだと思いますが、実機と深層強化学習の連携まであるため実用性のある内容となっていました。
また、文章は平易で読みやすかったです。
深層強化学習の章では対戦ゲームの作製があり興味深く読み進めることができました。
そして、この本ならではだと思いますが、実機と深層強化学習の連携まであるため実用性のある内容となっていました。
また、文章は平易で読みやすかったです。
2018年10月30日に日本でレビュー済み
とにかく、書いてるプログラムに対する説明がなさすぎる
触りの考え方を少しわかりやすく書いているだけで、コードをババーって書いている。
これでこう説明したから、あとはおっけいだなって感じで、そもそもこのコードには何を入れているのか、などが全くわからないまま写経する人向け。
入門者が欲しいのは裏付けのある知識だ
触りの考え方を少しわかりやすく書いているだけで、コードをババーって書いている。
これでこう説明したから、あとはおっけいだなって感じで、そもそもこのコードには何を入れているのか、などが全くわからないまま写経する人向け。
入門者が欲しいのは裏付けのある知識だ
2019年11月13日に日本でレビュー済み
カメラを使った深層強化学習を実際にやってみても本通りの学習結果にならない。色々変えて試しているがそれでもうまくいかない。解決策も本には書いていない。
2021年9月13日に日本でレビュー済み
Amazonで購入
非常に分かりやすい!
たぶん、日本で1、2を争う分かりやすさと思います。
ところどころ注釈を入れると、
・OR演算という手計算でもできる簡単な人間の知的認識を深層学習で行うとどうなるのか?という事を示す必要があると思います。ネットから落とした例題が秀作で、単相から、複数層のニューラルネットワークを用いることで、OR演算の正解率が向上します。ネット配布のプログラムコードの流れを理解できる初学者は居ないかもしれません。その意味で、流れを示すことが重要になると思います。
・歴史的な背景として、ニューラルネットが考え出された当初より、多層NNの方が数学演算の認識率が高かった事実があったのですが、その理由は分かっていなかった。その後、マービン・ミンスキーによって、多層NNは非線形解を表すことが可能である。という証明が行われた。みたいな話を森込んでみると良いと思います。
p.56のCNNの説明ですが、手計算の過程を示すとわかりやすいです。
1層目
オリジナル画像8×8サイズ⇒0パディングで10×10サイズ⇒1回目演算フィルター処理8×8サイズ⇒1回目プーリング処理4×4サイズに変換する。
以上の処理した4×4サイズの画像を16枚作成する。
2層目
4×4サイズの画像16枚をマージして4×4サイズの画像を1枚作成する。⇒0パディングで6×6サイズ⇒2回目演算フィルター処理で4×4サイズ⇒2回目プーリング処理で2×2サイズに変換する。
以上処理した2×2サイズのデータ64個を作成する。
総データ数は2×2×64=256個の1列データとして、0~9の10個の正解・学習ラベルとOne-Hotな関係となる重み計算に引き継ぐ。
というような流れを書かないと、初級の学習者には分かりにくいかもしれません。
・他に、AnacondaのBase環境が1度でも壊れるとChainerのエラーが修復できない場合があります(KerasやTensorflowなどを入れたり消したりした場合)。Anaconda自身、完全にデータが消去されるようでなく、この場合PCを新規に購入しないと直りません。具体的にはChainerのVariableメソッドの動作が不安定になり、32bitへの切り替えがうまくできなくなる事象があるようです。その場合、AnacondaPythonが一度もインストールされていないPCを準備する必要があります。
・3章のQ値の説明ですが、「小川雄太郎、マイナビ、つくりながら学ぶ!深層強化学習PyTorchによる実践プログラミン」が非常に分かりやすいのでそちらを読むことをお勧めします。
引き籠り爺
高津 海苔
たぶん、日本で1、2を争う分かりやすさと思います。
ところどころ注釈を入れると、
・OR演算という手計算でもできる簡単な人間の知的認識を深層学習で行うとどうなるのか?という事を示す必要があると思います。ネットから落とした例題が秀作で、単相から、複数層のニューラルネットワークを用いることで、OR演算の正解率が向上します。ネット配布のプログラムコードの流れを理解できる初学者は居ないかもしれません。その意味で、流れを示すことが重要になると思います。
・歴史的な背景として、ニューラルネットが考え出された当初より、多層NNの方が数学演算の認識率が高かった事実があったのですが、その理由は分かっていなかった。その後、マービン・ミンスキーによって、多層NNは非線形解を表すことが可能である。という証明が行われた。みたいな話を森込んでみると良いと思います。
p.56のCNNの説明ですが、手計算の過程を示すとわかりやすいです。
1層目
オリジナル画像8×8サイズ⇒0パディングで10×10サイズ⇒1回目演算フィルター処理8×8サイズ⇒1回目プーリング処理4×4サイズに変換する。
以上の処理した4×4サイズの画像を16枚作成する。
2層目
4×4サイズの画像16枚をマージして4×4サイズの画像を1枚作成する。⇒0パディングで6×6サイズ⇒2回目演算フィルター処理で4×4サイズ⇒2回目プーリング処理で2×2サイズに変換する。
以上処理した2×2サイズのデータ64個を作成する。
総データ数は2×2×64=256個の1列データとして、0~9の10個の正解・学習ラベルとOne-Hotな関係となる重み計算に引き継ぐ。
というような流れを書かないと、初級の学習者には分かりにくいかもしれません。
・他に、AnacondaのBase環境が1度でも壊れるとChainerのエラーが修復できない場合があります(KerasやTensorflowなどを入れたり消したりした場合)。Anaconda自身、完全にデータが消去されるようでなく、この場合PCを新規に購入しないと直りません。具体的にはChainerのVariableメソッドの動作が不安定になり、32bitへの切り替えがうまくできなくなる事象があるようです。その場合、AnacondaPythonが一度もインストールされていないPCを準備する必要があります。
・3章のQ値の説明ですが、「小川雄太郎、マイナビ、つくりながら学ぶ!深層強化学習PyTorchによる実践プログラミン」が非常に分かりやすいのでそちらを読むことをお勧めします。
引き籠り爺
高津 海苔