RL4J で始める深層強化学習
このセッションでは、様々な分野で応用が進んでいる深層強化学習とそのJVM製フレームワークであるRL4Jについて、アプリケーションエンジニアの視点で紹介していきます。
最初に深層強化学習の概要にふれて、それを実現するためのフレームワークとしてEclipse DeepLearning4j、RL4Jの実装方法について見ていきたいと思います。
今回 実装の題材としては、とっても簡素化した「ビールゲーム」に挑戦してみます。
従来のルールベースのプログラミングではなく、状況判断をもとにエージェントが自ずと最適な行動を起こしていく様子をセッションの中で見ていきましょう。
Outline/Structure of the Standard
- 深層強化学習の説明
- 導入
- 強化学習
- 深層学習
- 深層 + 強化学習
- RL4J を使った深層強化学習
- 深層強化学習のフレームワーク DL4J / RL4J
- デモアプリの概要
- クラスの説明
- パラメーターの説明（時間があれば）
- デモ
- ビールゲーム風のデモ
Learning Outcome
強化学習の仕組み
Target Audience
強化学習に興味のある方
