本講座では、ディープラーニングの基本技術である畳み込みニューラルネットワークについて、その基礎及び構成方法の基本を紹介します。人工知能や機械学習について概観した後、特に、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ます。また、それらの基礎技術を踏まえた上で、畳み込みニューラルネットについて、構成方法と動作の基礎を紹介します。

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
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
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
         • 人工ニューロンの計算方法
         • 人工ニューロンの計算例 (1) 論理積
         • 人工ニューロンの計算例 (2) 論理和
      2. ニューラルネットワーク
         • ニューラルネットワークの構造
         • ニューラルネットワークの計算方法
         • ニューラルネットワークの計算例 (1) 排他的論理和
         • ニューラルネットワークの計算例 (2) 多数決
      3. ニューラルネットワークの学習
         • ニューラルネットワークの学習とは
         • ニューラルネットワークの学習方法
   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
         • バックプロバゲーションとは
         • バックプロバゲーションの挙動
      2. バックプロパゲーションのアルゴリズム
         • バックプロバゲーションの計算
         • バックプロバゲーションの手続き
         • 具体的計算例
         • プログラムへの実装方法
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
      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
      • 事例 (1) 音声像認識
      • 事例 (2) 画像像認識
      • 事例 (3) 制御知識獲得
   2. 機械学習・ディープラーニングの課題
      • 学習結果の解釈
      • 学習方法の設計
      • 他の手法との融合
• 質疑応答