機械学習や深層学習、はたまたAIという言葉が巷にはやり始めて結構たちました。
　この講義では機械学習の手法の一つである深層学習についての基本的な仕組みやロジック、応用分野を理解して、実際に手を動かしながらコードの1行1行で何が行われているかを理解しながら深層学習のプログラムを実行していくのがこの講義の狙いです。
　この分野に手を出したいけれどなかなか出す機会がない、プログラムを実際にチュートリアルで動かしたことはあるが、ただ動いているのを確認できただけで、実際に中で行われていることはわからないという方は、是非この講義を通してこの分野に足を踏み入れる契機にしてもらえればと思います。

1. ニューラルネットワークとディープラーニング
   1. 機械学習入門
      1. 機械学習とは
      2. 教師あり学習、教師なし学習
      3. 機械学習の活用領域
      4. 機械学習の手法
   2. ニューラルネットワーク入門
      1. ニューラルネットワーク入門とは
      2. ニューラルネットワーク入門の特徴
      3. ニューラルネットワークの学習ロジック
      4. 確率勾配法
      5. 連鎖律
      6. 誤差逆伝播法
      7. 多層ニューラルネットワーク入門の欠点
   3. 深層学習入門
      1. 多層NNの欠点の克服
      2. グーグルの猫
      3. 深層学習の活用領域
      4. 近年の深層学習の研究、活用動向
2. TensorFlow入門
   1. TensorFlowとは
   2. TensorFlowの導入
   3. TensorFlowの特徴
   4. 計算グラフについて
   5. TensorFlowで計算グラフ実装 (実習)
   6. 手書き文字認識
   7. ネットワークの説明
   8. TensorFlowでニューラルネットワーク (実習)
   9. プログラムの改善点
   10. 畳み込みニューラルネットワーク (CNN)
   11. TensorFlowで畳み込みニューラルネットワーク (実習)
3. TensorBoardによる学習の可視化
   1. TensorBoardとは
   2. TensorBoardを使うには
   3. TensorBoardの各種機能解説
      1. Scalars
      2. Images
      3. Graphs
      4. Distributions/Histograms
      5. Embeddings
   4. これまで作成したネットワークをTensorBoardで可視化 (実習)
   5. 質疑応答