Deep Learning (ディープラーニング/深層学習) とは、ニューラルネットワークを多層化した機械学習の手法 (狭義には4層以上) です。本講座では、人工知能とは何か、ディープラーニングの基礎となる「ニューラルネットワーク」、「機械学習」の基礎を学んだうえで、「ディープラーニング」の基礎を学びます。また、ビジネスでの利用のためにDL用フレームワーク (ツール) などについても、現在の状況を紹介します。
　なお、当該セミナーでは日本ディープラーニング協会 (JDLA) が主催する「G (ジェネラリスト) 検定」を受験する方にも役に立つように、G検定向けの問題集も参考資料として進呈します。
　なお「G検定」は6月に続き2018年11月24日 に行われます。
　G検定合格に必要な、深層学習が機能するしくみ、機械学習の代表的数種の機能の解説を行い、人工知能が高性能になるしくみを理解できるように説明します。また、日頃の疑問を解決するため、テキスト以外のQ/Aの受付も致します。

1. 人工知能 (AI) とは (人工知能の定義)
   • ILSVRC:画像認識コンテスト
   • ImageNet:大規模画像データベース
   • 手書き文字データはMNIST
2. 人工知能をめぐる動向例題
   • 探索・推論、知識表現、機械学習、深層学習
   • 人工知能分野の問題例題
   • トイプロブレム、フレーム問題、弱いAI、強いAI、身体性、
   • シンボルグラウンディング問題、特徴量設計、チューリングテスト、シンギュラリティ
3. 機械学習の具体的手法例題
   • 代表的な手法
   • データの扱い
   • 応用
4. ディープラーニングの概要例題
   • ニューラルネットワークとディープラーニング、
   • 既存のニューラルネットワークにおける問題、ディープラーニングのアプローチ、CPU と GPU
   • ディープラーニングにおけるデータ量
5. ディープラーニングの手法例題
   • 活性化関数、学習率の最適化、更なるテクニック、CNN、RNN
   • 深層強化学習、深層生成モデル
6. ディープラーニングの研究分野例題
   • 画像認識
   • 自然言語処理
   • 音声処理
   • ロボティクス
   • 強化学習
   • マルチモーダル
7. ディープラーニングの応用に向けて
   • 産業への応用
   • 法律、倫理、現行の議論