知的な処理をコンピュータやロボットで実現しようとする「人工知能」は、現在第3次ブームを迎えているといわれています。それに伴って、「人工知能」、「機械学習」、「ディープラーニング」といったキーワードが新聞やテレビなどにも頻繁に登場するようになっています。
　本セミナーでは現代の人工知能を支える重要な技術である「機械学習」について基礎からじっくり解説します。セミナー後半では、実際の応用先として画像処理や画像認識を例に、どのように機械学習が応用できるかを説明します。
　本セミナーを通して、機械学習の考え方、どのような問題に適用できるのか、実際の問題に応用するためには何が必要なのか、などについて知識を身につけていただくことがねらいです。

1. 機械学習入門
   1. 機械学習と人工知能の関係
   2. 機械学習のこころ (基本的な考え方)
   3. 機械学習で実現できること
   4. 機械学習の構成要素
      • モデル
      • コスト関数
      • 最適化
2. 機械学習手法の例
   1. 機械学習手法の分類
      • 教師あり学習
      • 教師なし学習
      • 強化学習
   2. 線形回帰
   3. ロジスティック回帰
   4. サポートベクターマシン
   5. ニューラルネットワーク・ディープラーニング
   6. 決定木
   7. 最近傍法
   8. k – meansクラスタリング
   9. 行列分解法
   10. 主成分分析
3. 機械学習の画像処理・画像認識への応用
   1. 画像処理・画像認識の基礎
   2. 画像データについて
   3. 画像処理・画像認識の難しさ
   4. 前処理・特徴抽出
   5. 機械学習による画像認識
   6. ディープラーニングによる画像認識
   7. ニューラルネットワークの復習
   8. Convolutional Neural Network (畳み込みニューラルネットワーク)
   9. ディープラーニングの性能を向上させるいくつかのテクニック
   10. ディープラーニングのフレームワーク
       • TensorFlow
       • Chainer
       • Keras
4. 機械学習を上手く応用するために
   1. 対象問題の整理と定式化
   2. データの取得,前処理,特徴抽出
   3. アルゴリズムの選択
   4. ハイパーパラメータの調整