本セミナーでは、画像認識のためのパターン認識・機械学習の基礎と深層学習について解説します。これまで広く利用されてきたパターン認識・機械学習の手法だけでなく、深層学習 (Deep Learning) も様々なところで、特にAIシステムの構築に利用されていますが、それらを使いこなすには機械学習に関する基礎的な知識が重要です。
　そこで、パターン認識・機械学習の様々な応用例と、基礎知識について解説します。また、 深層学習 (DeepLearning) についても、実装方法や学習のコツなども含め解説します。

1. はじめに
   1. パターン認識・機械学習
   2. 最先端手法と応用例
2. 機械学習のしくみ
   1. 機械学習の枠組み
   2. 機械学習に基づくパターン認識手法
      1. k近傍法
      2. 線形識別関数
      3. アンサンブル学習
      4. ニューラルネットワーク
3. Pythonでの機械学習
   1. scikit-learnの紹介
   2. scikit-learnを用いた機械学習の枠組み
   3. 使用するクラス分類器
   4. Pythonでの機械学習の実際の流れ
      1. 必要なモジュールの読み込み
      2. 特徴量の読み込み
      3. 識別器の初期化・学習
      4. 評価
      5. 結果の集計・出力
      6. 学習した識別器の保存、読み込み
   5. 各種クラス分類手法の切り替え
   6. 各種クラス分類手法の比較
4. Deep Learningの利用
   1. Deep Learningの代表的なパッケージ
   2. Kerasを用いたクラス分類器としてのDeep Learning
   3. Kerasを用いた特徴抽出を含めたDeep Learning
   4. 学習済みモデルの読み込みと利用
5. まとめ
• 質疑応答