出版社内容情報
ボードゲームを題材とした古典的なAIの実装からはじめ、深層学習と強化学習を囲碁AIに組み込み、改良していきます。囲碁ボット構築の方法を理解することで、他の人工知能開発にも応用することができるようになります。
Manning Publications『Deep Learning and the Game of Go』の日本語版。
・PythonとKerasを利用した囲碁AIボット開発でディープラーニングを深く理解できます。
・AlphaGo/AlphaGo Zeroで用いられた手法も解説！
・基本的なPythonと高校レベルの数学の知識で読破可能。
推薦のことば：
この本はAlphaGoの開発と拡張という魅惑的な冒険へ導いてくれます。あなたは最も美しくかつ挑戦的なゲーム開発の基礎を学ぶことになるでしょう。とても読みやすく魅力に溢れた人工知能と機械学習の実践的入門書です。
― Thore Graepel：DeepMind AlphaGoチームの研究・開発者（本書まえがきより）
序文
本書の読み方
第1部: 基礎
第1章 深層学習に向けて：機械学習の導入
第2章 機械学習の問題としての囲碁
第3章 最初の囲碁ボットの実装
第2部: 機械学習とゲームAI
第4章 木探索によるゲームプレイ
第5章 ニューラルネットワーク入門
第6章 囲碁データのためのニューラルネットワークの設計
第7章 データからの学習：深層学習ボット
第8章 ボットの公開
第9章 練習による学習：強化学習
第10章 方策勾配による強化学習
第11章 価値に基づく強化学習
第12章 actor-critic法による強化学習
第3部: “全体は部分の総和に勝る”
第13章 AlphaGo：すべてをまとめる
第14章 AlphaGo Zero：強化学習と木探索の統合
付録:
付録A 数学の基礎
付録B 誤差逆伝播法
付録C 囲碁プログラムとサーバ
付録D AWS:Amazon Web Servicesを使用したボットの訓練とデプロイ
付録E OGS:Online Go Serverへのボットの提出
内容説明
ＡｌｐｈａＧｏの核となるメカニズムの解説および実装を、エンジニア向けに分かりやすく説明。ボードゲームを題材に古典的なＡＩの実装からはじめ、深層学習と強化学習を囲碁ＡＩに組み込み、改善。囲碁ボット構築の方法を理解することで、他の人工知能開発にも応用することができるようになります。基本的なＰｙｔｈｏｎと高校レベルの数学の知識で読破可能。
目次
第１部 基礎（深層学習に向けて：機械学習の導入；機械学習の問題としての囲碁；最初の囲碁ボットの実装）
第２部 機械学習とゲームＡＩ（木探索によるゲームプレイ；ニューラルネットワーク入門；囲碁データのためのニューラルネットワークの設計；データからの学習：深層学習ボット；ボットの公開；練習による学習：強化学習；方策勾配による強化学習；価値に基づく強化学習；ａｃｔｏｒ‐ｃｒｉｔｉｃによる強化学習）
第３部 “全体は部分の総和に勝る”（ＡｌｐｈａＧｏ：すべてをまとめる；ＡｌｐｈａＧｏ Ｚｅｒｏ：強化学習と木探索の統合）
付録
著者等紹介
Ｐｕｍｐｅｒｌａ，Ｍａｘ［ＰＵＭＰＥＲＬＡ，ＭＡＸ］ ［Ｐｕｍｐｅｒｌａ，Ｍａｘ］
分散システムとデータサイエンスに精通した経験豊富なディープラーニングスペシャリスト。Ｋｅｖｉｎ Ｆｅｒｇｕｓｏｎと共同でオープンソースの囲碁ボットＢｅｔａＧｏを開発した
Ｆｅｒｇｕｓｏｎ，Ｋｅｖｉｎ［ＦＥＲＧＵＳＯＮ，ＫＥＶＩＮ］ ［Ｆｅｒｇｕｓｏｎ，Ｋｅｖｉｎ］
分散システムとデータサイエンスに精通した経験豊富なディープラーニングスペシャリスト。Ｍａｘ Ｐｕｍｐｅｒｌａと共同でオープンソースの囲碁ボットＢｅｔａＧｏを開発した（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。
-
- 洋書
- Men I Trust
