目次
- 1. 1. 人工知能とは
- 1.1. 第1回：人工知能の定義、人工知能研究の歴史
- 2. 2. 人工知能をめぐる動向
- 3. 第2回：探索・推論
- 4. 第3回：知識表現、機械学習・深層学習
- 5. 3. 人工知能分野の問題
- 6. 第4回：人工知能分野の問題
- 7. 4. 機械学習の具体的手法
- 8. 第5回：教師あり学習
- 9. 第6回：教師なし学習
- 10. 第7回：強化学習
- 11. 第8回：モデルの評価
- 12. 5. ディープラーニングの概要
- 13. 第9回：ニューラルネットワークとディープラーニング、ディープラーニングのアプローチ、ディープラーニングを実現するには
- 14. 第10回：活性化関数、学習の最適化
- 15. 第11回：更なるテクニック
- 16. 6. ディープラーニングの手法
- 17. 第12回：畳み込みニューラルネットワーク(CNN)①
- 18. 第13回：畳み込みニューラルネットワーク(CNN)②
- 19. 第14回：深層生成モデル
- 20. 第15回：画像認識分野（物体識別タスク）
- 21. 第16回：画像認識分野（物体検出タスク）
- 22. 第17回：画像認識分野（セグメンテーションタスク）
- 23. 第18回：音声認識
- 24. 第19回：自然言語処理①
- 25. 第20回：自然言語処理②
- 26. 第21回：自然言語処理③
- 27. 第22回：自然言語処理④
- 28. 第23回：自然言語処理⑤
- 29. 第24回：深層強化学習①
- 30. 第25回：深層強化学習②
- 31. 第26回：モデルの解釈性とその対応、モデルの軽量化、AIと社会
- 32. 第27回：AIプロジェクトの進め方
- 33. 第28回：データの収集
- 34. 第29回：データの加工・分析・学習
- 35. 第30回：実装・運用・評価
- 36. 第31回：クライシス・マネジメント
