本講座では、機械学習プログラミングの基本について、具体的なPythonプログラムの事例を通して紹介します。はじめに人工知能や機械学習について概観した後、いくつかの機械学習手法を取り上げて、Pythonプログラムの実例を示しつつ解説します。次に、ニューラルネットワークの基礎的な計算方法や、ネットワークの構成方法、またニューラルネットの学習方法について基礎から紹介し、実際にPythonのプログラムをお手元のPC上で動かしてみることで、具体的な挙動を示します。また、それらの基礎技術を踏まえた上で、ディープラーニングで頻繁に用いられる畳み込みニューラルネットについて、Pythonのプログラムを用いて、構成方法と動作の基礎を紹介します。また、ディープラーニングの現状や、機械学習・ディープラーニングでできることについての考察、および機械学習・ディープラーニングの課題についても取り上げます。
　本講座では、Google Colaboratoryを利用して、お手元のコンピュータ上でPythonプログラムを動作させることで、 プログラミング実習をご体験頂きます。Google Colaboratoryは、Googleのアカウントがあれば、インストール不要かつ無料でPythonのプログラミングを体験することができるツールです。

1. 機械学習とは
   1. 学習と機械学習
      1. ディープラーニングの成果
      2. 人工知能とは
      3. 機械学習とは
   2. 機械学習の方法
      1. 進化的計算
      2. 群知能
      3. 強化学習
      4. ニューラルネットワーク
      5. ディープラーニング
2. 強化学習
   1. 強化学習とは
   2. Q学習による強化学習の実現
3. 群知能
   1. 群知能とは
   2. 蟻コロニー最適化法による群知能の実現
4. 進化的手法による機械学習
   1. 進化的手法とは
   2. 遺伝的アルゴリズムの実際
5. ニューラルネットワークの基礎・構成と使い方
   1. 人工ニューラルネットワーク
      1. 人工ニューロンのモデル
      2. ニューラルネットワーク
      3. ニューラルネットワークの学習
   2. バックプロパゲーションによるニューラルネットワークの学習
      1. バックプロパゲーションの原理
      2. バックプロパゲーションのアルゴリズム
6. ディープラーニングと畳み込みニューラルネット
   1. ディープラーニングとは
      1. ディープラーニングの基礎
      2. ディープラーニングの具体的技術
   2. 畳み込みニューラルネットワーク
      1. 画像処理と画像フィルタ
      2. 画像フィルタの実際
      3. 畳み込みニューラルネットの概念
      4. 畳み込みニューラルネットの構造
      5. 畳み込みニューラルネットワークの構成方法
      6. 畳み込みニューラルネットによる画像認識
      7. 畳み込みニューラルネットワークの応用
7. 機械学習・ディープラーニングの現状
   1. 機械学習・ディープラーニングでできること
   2. 機械学習・ディープラーニングの課題