【「深層強化学習発展コース」概要】

プロ棋士に勝利した、DeepMind社の囲碁AIソフト「AlphaGo Zero」や、自動車の自動運転などにも使われている強化学習について学びます。
このコースでは、強化学習および、強化学習と深層学習を組み合わせた深層強化学習を扱います。
主な学習内容としては、AlphaGoにも使用されたアルゴリズムのDQN（Deep Q Network）を実装していきます。
まず、最初に強化学習の基礎的な知識を学んだ後、DQN・Dueling DQNをOpenAI が提供している「Gym」というモジュールを用いた環境で実装します。

■深層強化学習発展コース：https://aidemy.net/courses/6130

■コース内容
1. 強化学習の基礎知識
強化学習の構成要素のエージェント・環境・行動・報酬などを学び、強化学習の手法であるDQN（Deep Q Network）について理解を深めます。

▲「深層強化学習発展 強化学習の構成要素」の画面▲

2. DQNの実装
強化学習を実行する上で必要な環境の作成やモデルの構築、履歴・方策・エージェントの設定を行い、カートポールのデモをDQNで実装します。

▲「深層強化学習発展 DQN」の画面▲

3. DDQNの実装
ブロック崩しの環境でDQNを実装し、その後、DQNの発展であるDDQNを実装していきます。

▲「深層強化学習発展 エージェントの設定」の画面▲

■価格：2,480円

【「自然言語処理を用いた質問応答コース」概要】
機械翻訳や自動要約など、発展的な自然言語処理において深層学習はとても有力な手法です。
ニューラルネットワークモデルを用いた自然言語処理における、前処理、具体的手法を、質問応答システムを作成しながら説明し、実装していきます。

■自然言語処理を用いた質問応答コース：https://aidemy.net/courses/6120

■コース内容
1. 基礎編
単語を扱うニューラルネットワークのモデルを構築する際の基本的な構築を学びます。
また、自然言語処理において頻繁に使われる重要な機構であるRNNやLSTM、BiLSTMについて、アルゴリズムの説明と実装を行います。さらに、深層学習による自然言語処理において頻繁に用いられる技術を学びます。

▲「自然言語処理を用いた質問応答LSTMとは」の画面▲

▲「自然言語処理を用いた質問応答　LSTMの実装」の画面▲

2. 実装編
基礎編で学んだことを活かして回答文選択システムを実装していきます。質問文に対して、回答文の候補がいくつか与えられ、その中から正しい回答文を自動で選択するシステムです。データの前処理を含めて実装します。使用するモデルは「QA LSTM with Attention」です。

▲「自然言語処理を用いた質問応答 質問と回答のBiLSTM」の画面▲

■価格：2,980円