シラバス参照

講義概要/Course Information

2025/04/27 現在

科目基礎情報/General Information

授業科目名 /Course title (Japanese)	マルチエージェントシステム特論
英文授業科目名 /Course title (English)	Advanced Multiagent System
科目番号 /Code
開講年度 /Academic year	2025年度	開講年次 /Year offered	全学年
開講学期 /Semester(s) offered	前学期	開講コース・課程 /Faculty offering the course	博士前期課程、博士後期課程
授業の方法 /Teaching method	講義	単位数 /Credits	2
科目区分 /Category	大学院専門教育科目 - 専門科目Ⅱ
開講類・専攻 /Cluster/Department	情報学専攻
担当教員名 /Lecturer(s)	清　雄一
居室 /Office	西10-729(清)
公開E-mail /e-mail	seiuny@uec.ac.jp
授業関連Webページ /Course website	なし
更新日 /Last update	2025/04/11 12:06:23	更新状況 /Update status	公開中 /now open to public

講義情報/Course Description

主題および 達成目標（2,000文字以内） /Themes and goals（up to 2,000 letters）	本講義では、エージェントの基礎と様々なマルチエージェントシステムの形態を解説し，複雑化する世の中の諸問題を解決できるシステム設計者の育成を目的とする．特に，エージェントの機構として強化学習を講義するとともに，マルチエージェントシステムの協調方法を展開する． This course gives a lecture on the fundamental issues of agents and various types of multi-agent systems, and aims to foster the students' ability of solving complex real-world problems as system designer. In particular, this course focuses on reinforcement learning method in the agent architecture and explains the cooperation mechanisms in a multi-agent system.
前もって履修 しておくべき科目（1,000文字以内） /Prerequisites（up to 1,000 letters）	特にない。 None particularly.
前もって履修しておくこ とが望ましい科目（1,000文字以内） /Recommended prerequisites and preparation（up to 1,000 letters）	特にない。 None particularly.
教科書等（1,000文字以内） /Course textbooks and materials（up to 1,000 letters）	教科書は使用しない。参考書や参考文献は必要に応じて指示する。 We do not use textbooks. Refer to the reference books and references as necessary.
授業内容と その進め方（2,000文字以内） /Course outline and weekly schedule（up to 2,000 letters）	Classroom クラスコード: b7k664as 【講義の内容】 第1回：イントロダクションとしてエージェント技術・マルチエージェント技術の概要、応用例などを学ぶ 第2回：機械学習 (理論) 第3回：機械学習 (実装) 第4回：強化学習（概要と基本的要素） 第5回：強化学習（強化学習の実装） 第6回：深層学習 第7回：深層強化学習 第8回：マルチエージェント環境におけるプライバシ保護データ解析 (1) 第9回：マルチエージェント環境におけるプライバシ保護データ解析 (2) 第10回：エージェントとELSI 第11～15回：論文発表会 なお，上記は事前に想定した内容であり，エージェント技術の動向，受講者の興味・理解度に応じて順序を変更したり，内容を追加・変更・省略する可能性がある． Session 1: Introduction to agent technology and multi-agent technology, including an overview and application examples Session 2: Machine learning (theory) Session 3: Machine learning (implementation) Session 4: Reinforcement learning (overview and fundamental concepts) Session 5: Reinforcement learning (implementation of reinforcement learning) Session 6: Deep learning Session 7: Deep reinforcement learning Session 8: Privacy-preserving data analysis in multi-agent environments (1) Session 9: Privacy-preserving data analysis in multi-agent environments (2) Session 10: Agents and ELSI (Ethical, Legal, and Social Implications) Sessions 11–15: Research paper presentations.
実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience	一部のテーマについては、民間企業でコンサルティングを行った経験を踏まえた講義を行う。 For some topics, lectures will be based on my experience in Mitsubishi Research Institute.
授業時間外の学習 （予習・復習等）（1,000文字以内） /Preparation and review outside class（up to 1,000 letters）	予習・復習は不要。レポート作成、課題発表の準備には一定の時間を要する。 Preliminary review and review are unnecessary. It takes a certain time to prepare for report preparation and assignment presentation.
成績評価方法 および評価基準 （最低達成基準を含む） （1,000文字以内） /Evaluation and grading （up to 1,000 letters）	合格の最低基準を以下の通りとする。 ・全てのレポートの受理 The minimum standard of pass shall be as follows. · Submission of all reports
オフィスアワー： 授業相談（1,000文字以内） /Office hours（up to 1,000 letters）	西10号館729号室、木曜、5時限。メールや電話などによりアポイントメントを取ること。 Room 729 West Building 10, Thursday, 5th period. Please take an appointment by e-mail.
学生へのメッセージ（1,000文字以内） /Message for students（up to 1,000 letters）	研究に使える技術のほか、システム開発に関わる企業で活用できる技術を学びます。 Students will learn technologies that can be used in research and system development at companies.
その他 /Others	最先端のマルチエージェントシステムに関する知識を積極的に調べ，学ぶことを期待します． The students are expected to actively investigate and learn the state or art in the domain of multiagent system.
キーワード /Keywords	マルチエージェント，エージェント，学習，シミュレーション, ELSI Multi-agent system, agent, learning, simulation, ELSI