１．ＡＩの定義、ニューラルネットワークの応用事例

　　（１）．ルールベースのエキスパートシステム

　　　　ａ．ルールを設計するためには？

　　　　ｂ．ルールベースの限界

　　（２）．従来の機械学習による識別と限界

　　　　ａ．機械学習の種類

　　　　ｂ．識別の基本　

　　　　　・データを分ける面を引く

　　　　ｃ．識別の失敗例と対策例　

　　　　　・機械学習の限界

　　（３）．ディープラーニング

　　（４）．ＧＡＮや深層強化学習を使った最新技術

２．ＴｅｎｓｏｒＦｌｏｗによるディープラーニングの基礎とプログラミング

　　（１）．ＴｅｎｓｏｒＦｌｏｗでのプログラミング手法

　　　　ａ．ＴｅｎｓｏｒＦｌｏｗを使う利点

　　　　ｂ．ＴｅｎｓｏｒＦｌｏｗでの計算の考え方

　　（２）．手書き文字データセットＭＮＩＳＴを使った１層ニューラルネットワーク構築

・プログラムを使って実際に確認：デモ

　　　　ａ．変数ｍｎｉｓｔのデータ構造

　　　　ｂ．１層のニューラルネットを学習する

　　　　ｃ．勾配降下法

　　　　ｄ．学習と評価のための準備　

・実際にペイントで手書きした文字を評価する：デモ

３．畳み込みニューラルネットワーク（ＣＮＮ）の基礎

　　（１）．畳み込みニューラルネットワークの基本

　　　　ａ．画像のフィルタ処理と考え方

　　　　ｂ．無駄を捨てるＰｏｏｌｉｎｇと足りない部分を埋めるＰａｄｄｉｎｇ

　　　　ｃ．実際に手を使って動かして確認する

　　（２）．活性化関数とニューラルネットワークの層数

　　　　ａ．ニューラルネットの層数とデータ表現力

　　　　ｂ．活性化関数がある場合とない場合の違い

　　（３）．Ｄｒｏｐｏｕｔ

　　　　ａ．Ｄｒｏｐｏｕｔの考え方

　　　　ｂ．アンサンブル学習

　　（４）．最適化関数

　　（５）．過学習について

　　　　ａ．過学習させないためのコツ

　　（６）．有名な学習モデル

４．移動物体検出の基礎と応用事例

　　（１）．移動検出手法の基本

　　　　ａ．オプティカルフロー

　　　　ｂ．ＳＯＲＴアルゴリズム

　　　　ｃ．移動する人を追跡するプログラムで実際に確認：デモ

　　（２）．移動検出手法を使った応用事例