強化学習の難解な理論を平均を入口としてやさしく解説。原理→数式→プログラムの流れで全体像を直感的に把握できます。
もくじ情報：第１章　平均で学ぶ強化学習の基本概念（平均と期待値；平均と価値　ほか）；第２章　各アルゴリズムの特徴と応用（強化学習における方策π（ａ｜Ｓ）；動的計画法　ほか）；第３章　関数近似手法（関数近似の基本概念；関数近似モデルを用いたＶ（Ｓｔ）の表現　ほか）；第４章　深層強化学習の原理と手法（ＴＤ‐Ｑ学習法におけるＮＮによる行動価値関数の回帰；ＤＱＮによる行動状態価値関数の近似　ほか）

曽我部　東馬(ソガベ　トウマ)
理学博士（物理学専攻）。マックス・プランク研究所（独）博士研究員、ケンブリッジ大学（英）研究員を経て、２００９年帰国、株式会社グリッドの設立に携わり、取締役最高技術責任者を務める。２０１１年より東京大学先端科学技術研究センター特任助教、特任准教授を歴任、２０１６年３月電気通信大学准教授、株式会社グリッド最高技術顧問（兼務）、東京大学先端科学技術研究センター客員研究員（兼務）（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）