本講義は、ディープラーニング等の機械学習を用いて、これから画像解析やデータ解析を始めようという技術者の方を対象とした講義を行う予定です。歴史的な背景と基本事項を抑えた上で、実装形態なども含めた形で、データ解析への応用を解説していきます。

1. ディープラーニングの歴史と背景
   1. 神経回路モデルの歴史
   2. 神経回路モデルの構成要素
      1. ニューロンモデル
      2. ネットワークアーキテクチャ
      3. 学習モデル
   3. パーセプトロンからディープネットへの変遷
   4. ネオコグニトロン (ディープコンボリューションネット)
   5. 制限ボルツマンマシン
2. 各種ツールによるコード解説
   1. Caffe, Chainer, Pylearn2等のフレームワーク解説
   2. サンプルコードを用いた実装例の解説
3. 画像認識への応用
   1. ディープコンボリューションネットを用いた画像解析例
   2. 医用画像認識への応用事例紹介