Math & Codingは数学とプログラミングの知識を向上したい方が集い学び合う場です。 機械学習やデータ分析予測業務の仕事のニーズが高まるにつれ数学とプログラミングの 両方を習得していくことはとても重要です。 どちらも習得に時間はかかりますが、学べば品質の高い仕事につながると考えます。

内容

「Reinforcement Learning An Introduction」(Richard S. Sutton and Andrew G. Barto)second edition http://incompleteideas.net/book/bookdraft2018jan1.pdf
を読んでいきます。
サンプルコードは
http://incompleteideas.net/book/the-book-2nd.html
にあがっておりそちらも参照します。

「Reinforcement Learning An Introduction」について

著者の一人であるSutton氏は強化学習の第一人者で現在はDeepMindに所属されています。
「Reinforcement Learning An Introduction」は2000年に「強化学習」（森北出版）として出版されていますがそれ以降、強化学習の技術も進歩していることから今は、第二版の出版計画が進行中です。
オンラインドラフト版(英語)が無料で公開されており、サンプルコード(Python)がGithubにあげられています。
今回はそちらをテキストにして学びを深めていきます。

進め方

参加者同士が数式を含む文章と実装を相互に参照し理解を深めていきます。
予習は前提としません。
運営者は議論の整理をしたりペースを考えて進行します。

範囲

Chapter 2.「Multi-armed Bandits」
前回は数式を中心にディスカッションしました。
Githubにあがっているコードを中心に各自動かしてみてディスカッションします。

対象者

強化学習に関心がありベースから理解していきたいエンジニア
強化学習の理論に関心があるアルゴリズム開発者