本講座では、人工知能研究における機械学習の諸分野をわかりやすく解説し、それらの知識を前提として、近年注目されている深層学習:Deep Learning (ディープラーニング) の技術の原理を示します。
　機械学習に関するさまざまな技術や手法を示すとともに、いくつかの重要な技術については処理手続きやプログラム例を適宜示すことで、これらの技術がどのようなものなのかを具体的に理解できるように紹介して行きます。

1. 機械学習とは
   1. 学習と機械学習
   2. ディープラーニングの成果
   3. 機械学習とは
   4. ディープラーニングに至る機械学習の歴史
   5. チューリングと機械学習
   6. ダートマス会議
   7. ゲームの学習
   8. 概念の学習・自然言語処理への機械学習の応用
   9. 進化的計算
   10. 群知能
   11. 強化学習
   12. ニューラルネットワークとディープラーニング
2. 強化学習
   1. 強化学習とは
   2. 教師あり学習・教師なし学習
   3. 強化学習
   4. Q学習による強化学習の実現
   5. Q学習の原理
   6. Q学習のアルゴリズム
   7. Q学習の実装方法
3. 群知能
   1. 群知能とは
   2. 生物の群れの知的行動
   3. 粒子群最適化法
   4. 蟻コロニー最適化法
   5. 粒子群最適化法による群知能の実現
   6. 粒子群最適化法のアルゴリズム
   7. 粒子群最適化法の実装方法
4. 進化的手法による機械学習
   1. 進化的手法とは
   2. 生物進化と最適化
   3. 遺伝的アルゴリズム
   4. 遺伝的アルゴリズムの実際
   5. 遺伝的アルゴリズムの処理手続き
   6. 遺伝的アルゴリズムの実装方法
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
   2. 人工ニューロンのモデル
   3. ニューラルネットワーク
   4. ニューラルネットワークの学習
   5. 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
   6. バックプロパゲーションの原理
   7. バックプロパゲーションのアルゴリズム
6. 深層学習:Deep Learning (ディープラーニング)
   1. ディープラーニングとは
   2. ディープラーニングの基礎 (原理、長短所、課題等)
   3. ディープラーニングの具体的技術
   4. ディープラーニングの実装方法
   5. 畳み込みニューラルネットワーク
   6. 畳み込みニューラルネットワークの構成要素
   7. 畳み込みニューラルネットワークの構成方法
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. 特微量の学習 (特微量抽出はどの程度可能か?必要な条件は?)
   3. 強化学習・進化的機械学習とディープラーニングとの組み合わせ
   4. 機械学習・ディープラーニングの課題