AI半導体チップ、ニューロチップに関してその基礎、動向と最先端技術を学んで頂き、日常のAIシステム応用における活動・業務に生かして頂きたい。
　第一部ではAIの歴史、基本的なアルゴリズム誕生・変遷を通して、ニューロチップ誕生までの流れをつかみます。第二部ではビッグチップであるサーバー用、ミッドレンジのエッジチップを通して、ニューロチップ技術の詳細を学びます。第三部ではマーケットインしているチップの動向を概観し、昨今台頭著しいTinyMLチップに関して着目します。第四部ではニューロモルフィック工学を通して最近の注目技術を説明します。そして最後に今後の動向を議論します。

1. 第1部:基礎
   1. ニューロチップ誕生まで
      1. 20世紀:ニューロンモデル、ニューロモルフィック
      2. 21世紀:アルゴリズム
         • ニューロチップ
         • サーバ
         • エッジ
   2. ニューロチップ実装のポイント
      1. 情報の種類と入力次元数
      2. アルゴリズム・モデルの発展とパラメータ/メモリ容量
   3. MAC回路とその演算性能指標
      1. MAC回路構成
         • 演算素子
         • ユニット
         • 全結合層
      2. 学習と推論の実装の差
2. 第2部:詳細 (技術)
   1. スピード重視のサーバ用ニューロチップ
      1. チップ詳細
         • TPU-v2/3
         • A-100
         • Cerebra
         • IPU
      2. データ/モデル 並列
   2. 高効率追求型のエッジ用AI
      1. 量子化、スパース
         • LUT
         • Log
         • Pruning/Eyeriss
         • DNPU
         • EIE—
      2. データフロー
         • IS-RS-OS-WS
         • CB/Eyeriss
         • Flex
      3. 学習 (エッジ) 用チップ
         • LNZBP
         • Ternary BP
   3. 究極の性能を狙うCIM (Computing in memory)
      1. CIM (SRAM)
         • Ternary/Binary 技術
      2. nv_CIM (NVMM)
         • ReRAM/PCM
3. 第3部:詳細 (市場)
   1. 市場トレンドと台頭著しいTinyML
      1. ニューロチップ市場トレンド (High End, Mid, Low/Tiny)
      2. TinyML (CIM型、TensorFlow-L型、ニューロモルフィック型)
   2. アプリケーションへのチップ運用
      1. CNN:自動運転 (End to End learning) 、RNN:自動翻訳
      2. 深層強化学習:アルファ碁
4. 第4部:展開
   1. ブレークスルーを狙うニューロモルフィック工学
      1. スパイキングニューラルネットワーク (SNN, TrueNorth/Loihi)
      2. 最新注目技術動向:リザバーコンピューティング
   2. 今後の技術動向と纏め
• 質疑応答