１．イントロダクション：機械学習×流体力学　～回帰問題の観点から～

　　（１）．流体データから学ぶ + 最近のコミュニティのトレンド

　　（２）．回帰手法の基本

　　　　ａ．回帰とは

　　　　ｂ．機械学習は最適化

　　　　ｃ．様々な機械学習に基づく回帰手法 (線形ライブラリ回帰, ニューラルネットワーク)

　　　　ｄ．訓練「流体」データとテスト「流体」データ

　　（３）．例：流体解析のためのニューラルネットワークの概要

２．機械学習を用いた流体解析の基礎

　　（１）．教師あり学習に基づく逆問題解析の基礎

　　　　ａ．データ準備と収束チェック

　　　　ｂ．様々な機械学習モデル

　　（２）．具体例

　　　　ａ．センサからの非定常流れ空力係数推定 (サンプルコード付)

　　　　ｂ．センサからの後流推定

　　　　ｃ．センサノイズへのロバスト性

　　　　ｄ．不確かさ解析

３．畳み込みニューラルネットワークを用いた流体解析

　　（１）．畳み込みネットワークの基礎

　　　　ａ．次元の呪い

　　　　ｂ．数学的基礎

　　　　ｃ．流体物理に基づくパラメータ設定

　　（２）．畳み込みネットワークの流体解析への応用 (概要)

　　　　ａ．オートエンコーダ　（非線形データ圧縮）

　　　　ｂ．超解像解析

　　　　ｃ．限られたデータからの遠方推定/ 2次元データからの3次元再構築

　　　　ｄ．縮約モデリング・時系列予測

４．流体力学における一般化超解像再構築

　　（１）．逆問題としての一般化乱流超解像再構築

　　　　ａ．超解像アルゴリズム

　　　　ｂ．物理法則に基づいたモデル構築

　　（２）．乱流における超解像再構築の例

　　　　ａ．2次元/3次元乱流の空間データ再構築

　　　　ｂ．時間方向データ再構築

　　　　ｃ．産業乱流への応用

　　（３）．内挿 vs. 外挿を正しく考える

５．非線形オートエンコーダを用いた非線形流体データ圧縮：モデリング・制御・最適化

　　（１）．非線形オートエンコーダの基礎

　　　　ａ．数学的基礎 ~線形手法との違い~

　　　　ｂ．サンプルコードの紹介

　　（２）．非線形低次元多様体の抽出とその工学的応用

　　　　ａ．流体サロゲートモデル

　　　　ｂ．Extreme Aerodynamicsにおけるモデリング・センシング・リアルタイム制御

　　　　c．超低コストなオートエンコーダに基づく車形状最適化

　　（３）．データ指向型な流体解析に向けて