深層学習 (Deep Learning:DL) 研究の第一人者である巣籠悠輔氏が、深層学習の基本的な概念と数理モデルの導出に焦点を当てて自著『詳解 ディープラーニング～TensorFlow・Kerasによる時系列データ処理～』の内容を凝縮させ、 ITエンジニアが深層学習学習への第一歩を踏み出すために必要な数理モデル、最先端の深層学習技術、スクラッチからコーディングをした場合のイメージやライブラリで使われている技術などの知識を、ゼロからインタラクティブに伝授します。 巣籠氏は深層学習を活用したプロダクト開発だけでなく、アプリケーション開発も行っていますので、エンジニアの視点に立って、わかりやすくお伝えします。
　本ワークショップでは、Pythonでの深層学習アルゴリズムの実装イメージが持てるようになり、より詳しい理論習得への道のりがクリアになることを目指します。 エンジニアの方にとっては、最先端の技術や知識が身につく大変貴重な機会になると思います。

1. 数学の準備
   1. 微分
   2. 線形代数
2. Pythonの準備
   1. 基本型、関数、クラス
   2. NumPy について
3. ニューラルネットワーク概論
   1. パーセプトロン
   2. ロジスティック回帰
   3. 多層パーセプトロン
4. ディープラーニング概論
   1. ディープにするためのテクニック
   2. 畳み込みニューラルネットワーク
   3. リカレントニューラルネットワーク