（1日で学べる）人工知能・ディープラーニング超入門

★難しそう、イメージが描き難い。等を払拭できるよう、じっくり解説！
★人工知能の基礎知識とディープラーニング理論の基本から応用まで。
★ビジネス活用への考え方、今後注目すべきポイントとは？

　ここ最近、ディープラーニング（深層学習）がますます有名になり、研究やビジネスへの応用もますます活発になってきました。今や「人工知能」という言葉を新聞やテレビで目にしない日はないのではないでしょうか。実際、ディープラーニングが話題になりだした2012年頃と比較すると、たくさんの情報がオンライン上に集約され、簡単に文献を調べることができるようになっています。また、ディープラーニングのモデルを簡単に実装できる便利なライブラリも次々と開発され、オープンソース化されているために、当時とは比べものにならないくらい、個人でも簡単にディープラーニングを実装して試すことができるようになりました。一方で、ディープラーニングと聞くと、まだまだ

　　* 興味はあるが、理論が難しそうなのでなかなかとっつけない
　　* どんなことに使えるのかいまいちイメージがつかない

　という声をたくさん聞くのも事実です。

　そこで、本講座では、人工知能（ディープラーニング）に関して未経験の方を対象に、理論の基本から実際の事例などについてじっくりと解説していきます。今後の学習に役立てたい方、実際のビジネスでの活用例を考えたい方に有用な講座です。

【講師】

(株)情報医療（MICIN, Inc.）　CTO　巣籠 悠輔 先生　東京大学招聘講師
Gunosy, READYFOR の創業メンバーとして、エンジニアリング、デザインを担当。 
大学院修了後は電通にてデジタルクリエイティブの企画・制作、ディレクションに従事。Googleニューヨーク支社勤務を経て、株式会社情報医療（MICIN, Inc.）を共同創業。
著書「Java Deep Learning Essentials」等。
東京大学工学部システム創成学科卒（首席）、東京大学工学系研究科技術経営戦略学修了。

【セミナープログラム】

1. 人工知能とは
　1.1　これまでの人工知能ブーム
　1.2　機械学習の登場
　1.3　ディープラーニングの登場
　1.4　なぜ、いまディープラーニングなのか

2. ニューラルネットワークとは
　2.1　ニューラルネットワークの概要
　2.2　必要な数学の確認
　2.3　単純なモデルによるニューラルネットワーク理論
　2.4　理論の一般化
　2.5   ニューラルネットワークの課題

3. ディープラーニングとは
　3.1　深層にするうえでの課題
　3.2　ディープラーニング初期のテクニック
　3.3　最近のテクニック
　3.4　画像データ分析の手法
　3.5　時系列データ分析の手法

4. ディープラーニングの応用
　4.1　現実問題における課題
　4.2　世の中の「人工知能」
　4.3　機械学習なのか、ディープラーニングなのか
　4.4　いま取り組まれている分野、これから取り組まれる分野