1. 人工知能と機械学習
   1. 人工知能とは何か? – 定義・考え方の推移など –
   2. 機械学習概論 – 説明/事例に基づく学習など –
2. 深層学習 (ディープラーニング) の現状と課題
   1. ニューラルネットワーク概論 – NNの原理と学習の本質 –
   2. 深層学習の基礎と最近の手法 – 深層学習の考え方・長所・短所 –
   3. 最近のAIの課題と説明できるAI:XAI – 現状のAIの課題と解決策 –
3. ブラックボックス系機械学習のXAI
   1. 学習済みの深層回路の可視化 – Grad – CAM・LIMEなど –
   2. 特徴空間の自動構築と可視化 – AE・CAE・VAE・UMAPなどによる次元圧縮 –
   3. 可視化を前提とした深層学習 – GCM・判断根拠の提示 –
   4. 深層回路の構造単純化・最適化法 – 進化計算法・勾配降下による方法 –
   5. 転移学習と浸透学習 – 知識の転用による学習 –
4. ホワイトボックス系機械学習のXAI
   1. 特徴量の最適化による精度向上 – SVMなどの特徴量の最適化 –
   2. 処理過程が説明できる処理の自動構築 – 処理ユニットの組合せ最適化 –
   3. 決定木などの処理の言葉による説明 – ルール集合による説明 –
   4. 小規模かつ高性能な回路の自動構築 – セル型回路の利用など –
5. AIの業務への導入方法
   1. AI導入時の注意点 – 課題と解決策 –
   2. AI人材の育成方法 – どの方法がベストか? –
6. まとめ・AIよろず相談室
• 質疑応答とフリーディスカッション

付録

• 付録1: 代表的な機械学習法
• 付録2: 進化計算法の原理と特徴
• 付録3: 横浜国立大学 長尾研究室のご紹介