ＭＤＰでモデル化するための地力を養う。強化学習・深層強化学習のしくみの理解にも役に立つ。アルゴリズムの徹底詳説×豊富な応用事例。
もくじ情報：マルコフ決定過程とは；マルコフ決定過程の基本的な問題設定とアルゴリズム；マルコフ決定過程の基本的な機械学習；真のパラメータが変化するマルコフ決定過程；状態、行動、利得に関する工夫；推薦システムへの適用―基本的な非割引問題；金融工学への適用―基本的な割引問題；ロールプレイングゲームへの適用―複数の情報で構成される状態＋複数の独立な試行で構成される状態遷移確率によるモデル；通信工学への適用―複数の情報で構成される状態＋少数のパラメータで構成される状態遷移確率によるモデル；ベイズ流の仮説検定への適用―最後の期においてのみ利得が発生するモデル（基礎）；教育工学への適用―最後の期においてのみ利得が発生するモデル（発展）；設備保全、アセットマネジメントとヘルスケア支援への適用―良好な状態維持が目的のモデル；深層強化学習の入口；付録Ａ　マルコフ連鎖；付録Ｂ　隠れマルコフモデル；付録Ｃ　ベイズ統計と統計的決定理論

前田　康成(マエダ　ヤスナリ)
１９９７年早稲田大学理工学研究科修士課程機械工学専攻修了。１９９７年日本電信電話株式会社入社。１９９７年同社情報通信研究所勤務。１９９９年同社サイバースペース研究所勤務。２０００年東日本電信電話株式会社研究開発センタ勤務。２００４年博士（工学）（早稲田大学）。２００５年北見工業大学助手。２００７年北見工業大学助教。２０１０年北見工業大学准教授。２０１６年北見工業大学教授（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）