本セミナーでは、Chainer を利用して深層学習で使われるニューラルネットの作成を実習形式で行います。まず最急降下法を理解して、関数の最小解を求めるプログラムを書いてみます。これが基本です。最急降下法を理解すれば、深層学習の学習プログラムを作れるようになります。具体的には Chainer のlinks や functions の関数を使ってモデルとその評価関数を作り、最急降下法の最適化アルゴリズムを適用することで、パラメータを求めることができます。
　基本的な feed forward のニューラルネット、畳み込みニューラルネット、リカレントニューラルネットを学習した後に、簡単な例題でそれらのプログラムを作成実習を行います。

1. ニューラルネット
   1. ニューラルネットの概要
   2. ニューラルネットによる回帰と識別
2. 最急降下法と誤差逆伝播法
   1. ニューラルネットにおける学習
   2. 目的関数
   3. 最急降下法
3. Chainer の基本
   1. 合成関数と計算グラフ
   2. 計算グラフを利用した勾配計算
   3. Chainer 基本オブジェクト
      1. Variable
      2. functions
      3. links
   4. 最適化
   5. 最急降下法の作成実習
4. feed – forward ニューラルネットワーク
   1. 2乗誤差による目的関数
   2. クロスエントロピーによる目的関数
   3. feed – forward ニューラルネットワークの作成実習
5. 畳み込みニューラルネットワーク
   1. 畳み込みニューラルネットワークの概要
   2. 畳み込みニューラルネットワークの作成実習
6. リカレントニューラルネットワーク
   1. リカレントニューラルネットワークの概要
   2. リカレントニューラルネットワークの作成実習