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。

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）