１．人工知能とは何か

（１）．人工知能の概要

　　　ａ．人工知能研究開発の歴史

　　　ｂ．人工知能アルゴリズムの種類

（２）．機械学習と深層学習

　　　ａ．機械学習アルゴリズムの種類と特徴

　　　ｂ．性能を左右するトレーニング

　　　ｃ．機械学習ソフトウェア、製品版とフリー版

　　　ｄ．深層学習

（３）．教師あり学習

　　　ａ．教師あり学習の概要

　　　ｂ．教師あり学習の例

（４）．教師なし学習

　　　ａ．教師なし学習の概要

　　　ｂ．教師なし学習の例

２．深層学習による製品の外観検査：事例 1

（１）．畳み込みニューラルネットワーク

　　　ａ．畳み込みニューラルネットワークの概要

　　　ｂ．畳み込みニューラルネットワークソフトウェア

（２）．プレス加工によるプラスチック部品の欠陥検査問題

　　　ａ．対象とするプラスチック部品

　　　ｂ．欠陥検査におけるいくつかの問題

（３）．畳み込みニューラルネットワークの適用

　　　ａ．畳み込みニューラルネットワーク、YOLOの適用方法

　　　ｂ．YOLOのトレイニング

（４）．不良品画像合成によるトレーニングデータ増大

　　　ａ．コピー・ペーストによるトレーニングデータ増大方法

　　　ｂ． トレーニングデータ増大のためのパラメータ調整

（５）．外観検査と実験評価結果

　　　ａ．実際の製品を対象とした画像の取得方法

　　　ｂ．畳み込みニューラルネットワークに対するトレーニングの実際

　　　ｃ．検出率と的中率、検査時間の評価

３．深層学習による製品の外観検査：事例２

（１）．プラスチックボトル表面上の印刷欠陥検査問題

　　　ａ．対象とするプラスチックボトル表面上の印刷

　　　ｂ．欠陥検査におけるいくつかの問題

（２）．畳み込みニューラルネットワークの適用

　　　ａ．畳み込みニューラルネットワーク、TensorFlowの適用方法

　　　ｂ．Tensor Flowのインストール

（３）．トレーニング方法

　　　ａ．トレーニングデータの作成とトレーニング

　　　ｂ．Loss曲線とトレーニングの終了時期の見極め方

（４）．欠陥サイズの推定方法

　　　ａ．欠陥サイズ推定の必要性

　　　ｂ．セグメンテーション手法

　　　ｃ．対象に特化した簡易セグメンテーション方法

（５）．欠陥検出におけるAIデバイスによる最新実験と評価結果

　　　ａ．実際の製品を対象とした欠陥の検出率

　　　ｂ．欠陥サイズ推定の評価

　　　ｃ．装置に組み込むエッジＡＩデバイスによる画像処理の最新実験

　　　ｄ． ワーク端の欠陥の検出方法の一案

４．まとめ