お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
コース概要
強化学習とエージェント型AI入門
-
不確実性下での意思決定および逐次計画の概要
-
RLにおける主要要素:エージェント、環境、状態、報酬関数について
-
適応型およびエージェント型AIシステムにおける強化学習の役割
マルコフ決定過程(MDP)
-
MDPの正式な定義および特徴
-
価値関数、ベルマン方程式、動的計画法の解説
-
方策の評価・改善・反復処理の手順
モデルフリー強化学習
-
モンテカルロ法および時刻差分学習(TD学習)
-
Q学習やSARSAアルゴリズム
-
Pythonを用いたテーブルベース型RL手法の実装演習
深層強化学習
-
ニューラルネットワークとRLの組み合わせによる関数近似手法
-
深層Qネットワーク(DQN)および経験リプレイ機構
-
アクターニューラルネットと評価器の活用による方策勾配法
-
Stable-Baselines3を用いてDQNおよびPPOによるエージェント訓練演習
探索戦略と報酬設計手法
-
εグリーディ法やUCB法、エントロピーベース手法による探索・利用のバランス取り方
-
適切な報酬関数の設計および望ましくない振る舞い発生の防止策
-
報酬調整法やカリキュラム学習手法について
強化学習および意思決定における高度なトピック
-
複数エージェントが協調的に行動する多主体強化学習
-
階層型強化学習およびオプションフレームワークの概要
-
安全な運用実現のためのオフラインRLおよび模倣学習手法
シミュレーション環境と評価方法
-
OpenAI Gymやカスタム環境の利用手順
-
連続的・離散的な行動空間に関する基本的な知識
-
エージェント性能や安定性、サンプル効率を測定する指標の概要
エージェント型AIシステムにおけるRL導入法
-
推論能力と強化学習を組み合わせたハイブリッド型エージェントアーキテクチャの構築
-
ツール利用型エージェントシステムにおける強化学習の統合方法
-
規模拡大や実際の導入時における運用上の注意点について
最終プロジェクト演習
-
シミュレーション環境で強化学習エージェントを設計・実装する課題
-
訓練過程のパフォーマンス分析およびハイパーパラメータ調整手法
-
エージェント型環境下での適応的挙動や意思決定能力を実証する演習
まとめおよび今後の学習指針について
要求
-
Pythonプログラミングに関する十分な知識
-
機械学習および深層学習の基本概念をしっかり理解していること
-
線形代数、確率論、基本的な最適化手法に馴染みがあること
対象者
-
強化学習エンジニアおよび実用的なAI研究従事者
-
ロボット工学や自動化分野で開発業務に携わる方々
-
適応的かつエージェント型AIシステムの構築に取り組む技術チーム
28 時間
お客様の声 (3)
トレーナーは忍耐強く、とても親切です。彼はその分野に精通しています。
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
コース - Agentic AI for Business Automation: Use Cases & Integration
機械翻訳
知識と実践の良いバランス
Ion Mironescu - Facultatea S.A.I.A.P.M.
コース - Agentic AI for Enterprise Applications
機械翻訳
理論と実践、そして高レベルと低レベルの視点を組み合わせた内容
Ion Mironescu - Facultatea S.A.I.A.P.M.
コース - Autonomous Decision-Making with Agentic AI
機械翻訳