TensorFlowはGoogle社のディープラーニング (深層学習) フレームワークですが、ディープラーニングでは、ニューロンの働きを疑似的に多重化した ニューラル・ネットワークを利用しています。
　本講座では、ディープラーニングの解説から始め、併せてPythonで記述するTensorFlowのプログラミング方式解説、TensorFlow稼働環境での具体的なサンプル実行と解説へと解説を行いますが。特にTensorFlowでディープラーニングを実現する手法に力点を置いて解説します。
　具体的に、前半では、①ニューロンの働きを使用したニューラル・ネットワークのシステム上の表現を概説し、その後、②TensorFlow の基本的なコード記述 (Python) 方式を解説、③線形回帰等を使用したTensorFlowのディープラーニングを実現するコード記述スタイルへと進みます。後半では、④TensorFlowを実行する環境作成をGoogleのPaaSクラウド (Compute Engine) 上に作成する手順を解説し、⑤作成した環境上で実際にサンプルを実行して、その結果等を検証します。

1. 脳とニューロン
   1. ニューラル・ネットワークとその表現…1
      1. 1つのニューロンの動きを考える
      2. ニューロン発火の条件
   2. ニューラル・ネットワークとその表現…2
      1. 活性化関数、
      2. softmax関数 等
2. TensorFlowの基本的なコード記述
   1. TensorFlowの計算処理をグラフ表現
      1. データ構造のNode
      2. データ構造のEdge
   2. ConstructionフェーズとExecutionフェーズ
      1. Ops
      2. Session
3. TensorFlowでディープラーニング
   1. TensorFlowの計算方式
      1. モデルを作成
      2. 誤差の計算
      3. 最適化 (誤差最小点を探す)
      4. 予測式と学習済パラメータで予測実行
   2. 線形回帰
      1. 損失関数
      2. 勾配降下法
      3. クロス・エントロピー
4. TensorFlowの運用環境構築
   1. Compute Engineの設定
      1. Google Developpers ConsoleでCompute Engine有効化
      2. Compute Engineのインスタンス設定と生成
   2. モジュール設定
      1. pipインストール
      2. Numerical Pythonインストール他
   3. TensorFlowをインストール
5. サンプルを実行
   1. 簡単なテキスト出力の実行
   2. 勾配降下法による基本サンプル実行
   3. 手書き文字認識プログラムの実行
   4. fully_connected_feed.pyを実行