（深層）強化学習の解説とデモ

（深層）強化学習についてデモを交えて解説しています．デモに使用したPythonコードは「100+の最適化問題」の最短路のページ https://scmopt.github.io/opt100/03sp.... にあります．

動画プレイリスト:
Pythonで数理最適化モデルを作る方法    • Pythonで数理最適化  
組合せ最適化とアルゴリズム    • 組合せ最適化とアルゴリズム  
Python言語による実務で役に立つ100の最適化問題    • Python言語による実務で役に立つ100の最適化問題  
ただでアナリティクスの専門家になる方法    • タダでアナリティクスの専門家になる方法  
データサイエンス練習問題集    • データサイエンス練習問題集  
データサイエンス講義
   • Pythonによるデータサイエンス講義  
Python言語超入門    • Python言語超入門  
メタヒューリスティクス    • メタヒューリスティクス  
SCMOPT サプライ・チェイン最適化プロジェクト    • SCMOPT  
MITの深層学習講義を日本語で解説    • MIT Intro to DL  
サプライ・チェイン最適化講義    • サプライ・チェイン最適化講義  
サプライ・チェイン最適化特論    • サプライ・チェイン最適化特論  
制約最適化ソルバー SCOP    • 制約最適化ソルバーSCOPの使用法  
スケジューリング最適化ソルバーOptSeq    • スケジューリング最適化ソルバーOptSeqの使用法  

Table of Contents:
00:05 - 強化学習とは
01:28 - 例：格子世界のロボット
03:30 - マルコフ決定過程 (MDP)
05:32 - 方策
07:05 - 価値関数
08:22 - 最適価値関数
10:54 - 動的計画法
12:06 - 方策評価と方策改善
14:10 - 方策反復/価値反復
15:02 - モンテカルロ(MC)方策評価
16:45 - モンテカルロ (MC) コントロール
17:28 - 探索（exploration）
18:26 - モンテカルロ法の利点
20:14 - Temporal Difference （TD)学習
22:27 - モンテカルロ vs. TD
23:53 - Sarsa
24:52 - デモ (エピソード1）ソースコードは「100+の最適化問題」https://mikiokubo.github.io/opt100/の最...
26:09 - デモ (エピソード2）
26:50 - デモ (エピソード5000経過）
27:14 - 深層強化学習