囲碁ディープラーニングプログラミング

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

【著者紹介】
Max Pumperla : 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

Kevin・Ferguson : 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）