機械学習スタートアップシリーズ Pythonで学ぶ強化学習 [改訂第2版] 入門から実践まで

本書は、Pythonを使って強化学習の基礎、深層学習の適用、実用上の課題と対処法を学ぶ入門書である。強化学習の問題設定をマルコフ決定過程として捉え、価値や方策の評価・更新を、動的計画法や経験に基づく手法で説明する。続いて、価値関数近似、Deep Q-Network、Policy Gradient、A2Cを取り上げ、ニューラルネットワークを使う方法へ進む。サンプル効率の低さ、局所最適や過学習、再現性の低さを扱い、モデルベース手法や表現学習、進化戦略、模倣学習、逆強化学習による対応を紹介する。最後に、行動と学習の最適化を活用領域として示す。コードを公開しており、手を動かして学べる構成である。改訂第2版では、Policy GradientとA2Cの説明と実装が見直されている。