バンディットアルゴリズム入門と実践

東京大学 松尾研究室が主催する深層強化学習サマースクールの講義で今井が使用した資料の公開版です． 強化学習の基礎的な概念や理論から最新の深層強化学習アルゴリズムまで解説しています．巻末には強化学習を勉強するにあたって有用な他資料への案内も載せました． 主に以下のような強化学習の概念やアルゴリズムの紹介をしています． ・マルコフ決定過程 ・ベルマン方程式 ・モデルフリー強化学習 ・モデルベース強化学習 ・TD学習 ・Q学習 ・SARSA ・適格度トレース ・関数近似 ・方策勾配法 ・方策勾配定理 ・DPG ・DDPG ・TRPO ・PPO ・SAC ・Actor-Critic ・DQN（Deep Q-Network） ・経験再生 ・Double DQN ・Prioritized Experience Replay ・Dueling Network ・Categorical DQN ・Nois

[sonots]

A/Bテストとバンディット

[schadling]

“Bandit Algorithms for Website Optimization”

[roshi]

昔読んだ気がするけど再ブクマ。限られた試行回数の中で最もよい選択をしようとするところに人間らしさを感じるアルゴリズムだった。

[musicala]

バンディットアルゴリズム入門と実践 via @SlideShare

[CalCium]

UCBアルゴリズム

[teddy-g]

多腕バンディットの解説。

[moguno]

edvakf wrote: バンディットアルゴリズム入門と実践 http://t.co/Wja5S1yXhv via @SlideShare ようやくバンディットアルゴリズムが何か理解した。

[minamishinji]

バンディットアルゴリズム、使えるかも。

[golden_eggg]

おもろい

[lanius]

ベイズ。

[monnalisasmile]

バンディッドアルゴリズム。多分いちばんわかりやすい資料。

[uk-ar]

Tokyowebmining発表用資料です。複数の選択肢がある場合に、どのように選択を行うのが効率的なのか？という問題を解決するためのアルゴリズムです。

[a-know]

"バンディットアルゴリズムはよく当たるガチャを探して、当たる確率が高いガチャを選択するためのアルゴリズム"

[utahuros]

“バンディットアルゴリズム入門と実践”

[tanakaBox]

人間が本能的にやってることを、アルゴリズムにしてみました。的な。

[Itisango]

“ #Tokyowebmining 発表用資料です。複数の選択肢がある場合に、どのように選択を行うのが効率的なのか？という問題を解決するためのアルゴリズムです。”

[kana321]

スライド

[kukita]

【データサイエンス】限られた試行回数の中で最も良い選択をするためのアルゴリズム「バンディットアルゴリズム」についての入門資料。自分用メモφ(..) #データ #アルゴリズム #データ分析 #統計学 →

[d4-1977]

[A/Bテスト]

[isseium]

おもしろそう

[ahmok]

ふむふむ。バンディットアルゴリズム

[tumo300-500]

面白いなー。UCB の評価式の導出がどうなってるのか気になる。

[kotogusa]

RT @RSS_hateb_Roy: コンピュータ・IT: バンディットアルゴリズム入門と実践

[fujiruki]

なにかを選択するときに。おもしろい！！

[nn1021]

面白いね。ちゃんと見直して活用したい。

[peroon]

探索しまくってから活用フェイズに入るのではなく、確率的にどちらかをするのね。そして、活用も探索のデータになる

[uva]

「新しい選択肢の探索」と「既存の選択肢の活用」を効率よく行って得られる利益を最大化するためのアルゴリズム

[kisa12012]

読んだ．枯れた (i.e. 使いやすい) バンディットアルゴリズムの話．A/Bテストとバンディットの目的の違いの話が特に分かりやすくて非常に良い資料．

[m_shige1979]

選択することを効率化するアルゴリズム

[hamadakoichi]

「バンディットアルゴリズムの入門と実践」(講師: @GreenGreenMidor さん) #TokyoWebmining 31st 講師資料