English

年度	2025年度	開講部局	情報科学部
講義コード	KA240301	科目区分	専門教育科目
授業科目名	強化学習
授業科目名 （フリガナ）	キョウカガクシュウ
英文授業科目名	Reinforcement Learning
担当教員名	小蔵　正輝
担当教員名 (フリガナ)	オグラ　マサキ
開講キャンパス	東広島	開設期	3年次生   前期   ２ターム
曜日・時限・講義室	(2T) 月1-4：経B257
授業の方法	講義	授業の方法 【詳細情報】	対面, オンライン（オンデマンド型）
			講義、演習、板書多用、学生の発表
単位	2.0	週時間	4	使用言語	J : 日本語
学習の段階	3 : 中級レベル
学問分野（分野）	25 : 理工学
学問分野（分科）	02 : 情報科学
対象学生
授業のキーワード
教職専門科目		教科専門科目
プログラムの中での この授業科目の位置づけ （学部生対象科目のみ）
到達度評価 の評価項目 （学部生対象科目のみ）	計算機科学プログラム （知識・理解） ・D1. 計算機科学の基礎となる理論体系を理解し，科学的論理性に基づいた情報処理技術を駆使して，高次元データを収集・処理するための知識と能力． データ科学プログラム （知識・理解） ・D1. 統計とデータ解析の理論体系を理解し，ビッグデータの質的／量的情報を的確かつ効率的に分析するための知識と能力． （能力・技能） ・A. 情報基盤の開発技術，情報処理技術，データを分析して新しい付加価値を生む技術． ・B. 新たな課題を自ら発見し，データに基づいた定量的かつ論理的な思考と，多角的視野と高度な情報処理・分析により，課題を解決する能力． 知能科学プログラム （知識・理解） ・D1. 人間が持つ高度な知能とその計算機による実現についての体系的な深い理解． （能力・技能） ・D2. 人工知能やIoTなどの応用や発展に寄与できる情報処理能力やデータ分析能力．
授業の目標・概要等	強化学習の考え方を説明できる． 強化学習アルゴリズムを実装することができる．
授業計画	第1回 人工知能，ディープラーニングの概要 第2回 開発環境 第3回 Pythonの基礎 第4回 簡単なディープラーニング 第5回 ディープラーニングの理論 第6回 様々な機械学習の手法 第7回 畳み込みニューラルネットワーク 第8回 再帰型ニューラルネットワーク 第9回 変分オートエンコーダ 第10回 敵対的生成ネットワーク 第11回 強化学習１ 第12回 強化学習２ 第13回 強化学習３ 第14回 強化学習４ 第15回 転移学習
教科書・参考書等	Google Colaboratoryで学ぶ！あたらしい人工知能技術の教科書 第2版 機械学習・深層学習・強化学習で学ぶAIの基礎技術，翔泳社
授業で使用する メディア・機器等	テキスト
	【詳細情報】
授業で取り入れる 学習手法
予習・復習への アドバイス	事前に教科書に目を通しておくと内容の理解が容易になると思います．また，講義で紹介した手法を他の問題に適用してみることにより各手法の理解が深まります．
履修上の注意 受講条件等
成績評価の基準等	提出物や講義中レポートの総合得点により決定する．
実務経験
実務経験の概要と それに基づく授業内容
メッセージ	強化学習の基本的な概念をしっかりと理解することが重要です．また，強化学習の分野は急速に進展しているので，新しい手法や技術にも柔軟に対応できるよう継続的な学習と興味を持つ姿勢が大切です．
その他
すべての授業科目において，授業改善アンケートを実施していますので，回答に協力してください。 回答に対しては教員からコメントを入力しており，今後の改善につなげていきます。