機械学習や深層学習、はたまたAIという言葉が巷に流行り始めて結構たちました。
　この講義では機械学習の手法の一つである深層学習についての基本的な仕組みやロジック、応用分野を理解して、実際に手を動かしながらコードの1行1行で何が行われているかを理解しながら深層学習のプログラムを実行していくのがこの講義の狙いです。この分野に手を出したいけれどなかなか出す機会がない、プログラムを実際にチュートリアルで動かしたことはあるが、ただ動いているのを確認できただけで、実際に中で行われていることはわからないという方は、是非この講義を通してこの分野に足を踏み入れる契機にしてもらえればと思います。

1. ニューラルネットワークとディープラーニング
   1. ニューラルネットワークとディープラーニング
   2. 教師あり学習と教師なし学習
   3. ニューラルネットワークとは
   4. 確率的勾配降下法
   5. 連鎖律と誤差逆伝播法
   6. 多層ニューラルネットワークの問題点
   7. ディープラーニングとは
   8. 多層NNの欠点の克服
   9. よく用いられるニューラルネットワークの簡単な解説
2. TensorFlow概論
   1. TensorFlowとは?
   2. TensorFlowのインストール
   3. 計算グラフ
   4. 宣言型・命令型
   5. 様々なAPI群 (layers, keras, estimator)
   6. MLOpsを意識した様々な機能
   7. TensorFlowLite
   8. 大規模分散処理
   9. コミュニティー
3. TensorFlow実装入門
   1. 簡易な計算グラフ実装
   2. 手書き文字認識の実装 (マルチパーセプトロン)
   3. 畳み込みニューラルネットワーク
   4. クロスエントロピー
   5. 手書き文字認識の実装 (畳み込みニューラルネットワーク)
4. TensorFlowの活用法
   1. TensorBoardを用いた可視化
      1. Scalars
      2. Images
      3. Graphs
      4. Histogram/Distributions
   2. TensorFlowにおけるモデルの保存
      1. Checkpoint
      2. SavedModel
   3. RNN (Recurrent Neural Network)
   4. ゲート付きRNN
   5. TensorFlowにおけるRNN実装