近年、ネットワーク上の画像、音声、テキスト等のビッグデータから学習を行うディープラーニングの技術が、パターン認識手法、翻訳、画像や音声合成などのアプリケーションで、従来手法の性能を大きく超え注目を集めています。
　本講義では特にこのディープラーニングの技術の基本的な解説を行うために、神経回路モデルの基礎から、ディープラーニングのための学習法、さらにいくつかのツールなどを紹介します。また画像認識や音声認識等の各分野の応用事例を紹介した後に、我々が学術誌や企業との共同研究として公開している、自律ロボットの動作学習、言語学習について複数の試みを解説します。最後にこれらの技術の発展、展開について議論します。

1. ディープラーニングの隆盛とロボティクス
2. ニューラルネットワーク
   1. ニューラルネットワークの歴史
   2. ニューロンネットワークの基礎概念
3. 深層学習モデル
   1. 学習の高速化手法
   2. リカレントニューラルネットワーク (RNN)
   3. 様々な開発ツール
4. 各種応用事例
   1. 画像処理の事例
   2. 音声処理の事例
   3. 言語処理の事例
   4. マルチモーダル学習事例
5. ロボットの行動学習
   1. 強化学習と予測学習
   2. 運動系列学習 (予測と生成) :講演者の実現例
6. 今後の展望
• 質疑応答・名刺交換