深層学習 (ディープラーニング) は最新の人工知能技術であり、多くの分野で目覚ましい成果を挙げています。
　本講座では、初学者にも分かりやすいよう、深層学習理論を学ぶ上で重要となるトピックは網羅的に解説し、理論の基礎から全体像、そして深層学習の中心的コンセプトに至るまでを習得できるようにします。また、初学者だけに限らず、深層学習を多少聞きかじったけれども、しっかりと基礎部分を把握しておきたいという方にもピッタリな内容となっています。
　本講座ではもっとも広く利用されている深層学習モデルであるディープニューラルネットワーク (DNN) と画像認識処理でよく利用される畳み込みニューラルネットワーク (CNN) を話題の中心とします。更に、深層学習を用いた簡単なアプリケーション例を通して実践的な理解も深めていき、深層学習プログラム開発へ自然にステップアップできるような知識獲得も目指しています。

1. 機械学習とは何か?
   1. 機械学習が目指すもの
   2. 機械はデータから知識を獲得する
   3. 機械学習の種類
      1. 教師あり学習
      2. 教師なし学習
      3. 教師なし学習と人工知能
   4. 本講座の概要
2. 深層学習への道
   1. ニューラルネットワークの基礎
      1. 単純パーセプトロン ～機械学習の事始め～
      2. 活性化関数の種類
      3. 単純パーセプトロンの限界
      4. フィードフォワードニューラルネットワーク (多層パーセプトロン)
      5. 誤差逆伝播法
      6. ニューラルネットワークの技術限界
   2. 深層学習に用いられるニューラルネットワークのしくみ
      1. 事前学習という考え方
      2. 自己符号化器
      3. 自己符号化器は情報を圧縮する
      4. 積層自己符号化器がディープラーニングの一つの雛形
      5. 表現学習という言葉 ～特徴量の抽出と学習～
      6. 深層学習は一言でいうと○○をしている!
      7. 深層学習はだから凄い!
3. その他の深層学習モデル
   1. 畳み込みニューラルネットワーク (CNN)
      1. CNNの仕組み
      2. CNNの使いどころ
   2. リカレントニューラルネットワーク (RNN)
      1. RNNの仕組み
      2. RNNの使いどころ
4. 深層学習の深層部と実践
   1. 画像データを深層学習してみる
      1. 自動獲得されるフィルタ
      2. 学習された表現が組み込まれている場所
   2. その他の応用例
      1. 信号処理
      2. 生体信号を用いた深層学習予測
   3. 実践的な最新技術 ～パラメータチューニングの具体的な方法～
      1. 層を積むほど性能は上がるのか?
      2. 過適合の問題と見抜き方 ～過適合は最悪のアプリを導く～
      3. 正則化技術は過適合を緩和させる
      4. ディープラーニングの正則化技術
      5. 少数データでの学習はどうするか?
5. 本講座のまとめ
• 質疑応答