ディープラーニングを始めようとしている方からは「解説書を一通り読んだが具体的にどうなのかが今一つ理解できない」、「ツールをインストールしてサンプルを試したが、その後何をやったらよいかわからない」などの声をお聞きします。
　実際にディープラーニングを実務に活かすには次の一歩が必要です。開発の現場ではニューラルネットワークの各種パラメータの意味の理解や、チューニングのための各種ノウハウ (たとえば過学習への対応や層数とノード数のトレードオフ) などを、道具の使い方として体得していることが重要になります。
　そこで、まず基礎知識を歴史と最新動向の両面から学び、その後ビジュアル学習ツールを使って、パラメータの変更やチューニングを実施するとどのように変わるのかを視覚的に体感していただくとともに、現場での適用事例も紹介します。
　また現在、様々なディープラーニング・フレームワークがオープンソースで提供されていますが、本講座ではCaffe、TensorFlow、keras、theano、Chainerなど主要なフレームワークの特徴と用途を解説し、サンプルコードを対比しながらソースコードの一端を理解して頂き、最後に実際の開発ツールで画像認識のデモをご覧いただきます。

1. 歴史と最新動向の両面から学ぶディープラーニング基礎知識
   1. 演習環境確認
   2. ディープラーニング基礎知識の確認
   3. 画像認識のための深層学習の研究動向
   4. 時間軸と言語処理
   5. ディープラーニングの現場適用事例紹介
2. チューニングワークショップ
   1. 実習環境とツールの操作方法解説
   2. 中間層とノード数の関係
   3. 特徴量/ノードの多さと中間層の深さの関係
   4. 活性化関数の選択と収束性の関係
   5. 正則化の効果
   6. ミニバッチ学習と収束性の関係
   7. ノイズを加えたデータのロバスト性
3. DLツール比較・デモ
   1. 各種ディープラーニングツール
      • Caffe
      • TensorFlow
      • keras
      • theano
      • Chainerなど
   2. ディープラーニングライブラリ各論
   3. 実際の開発ツールを用いた画像認識デモ