目次

1章　活躍するディープラーニング
　1　AI時代の扉を開いたディープラーニング
　2　ディープラーニングとAI
　3　機械学習とディープラーニング
　4　ディープラーニングの本質は特徴抽出
　5　教師あり学習と教師なし学習
　6　画像解析とディープラーニング
　7　音声認識とディープラーニング
　8　ビッグデータとベストマッチするディープラーニング
　9　第4次産業革命を支えるディープラーニング

2章　絵でわかるディープラーニングのしくみ
　1　話の始まりはニューロンから
　2　ニューロンロボットに解説させる
　3　ニューロンロボットを層状に配列
　4　ニューラルネットワークが知能を持つしくみ
　5　ニューラルネットワークの「学習」の意味
　6　絵でわかる畳み込みニューラルネットワーク
　7　絵でわかるリカレントニューラルネットワーク

3章　ディープラーニングのための準備
　1　シグモイド関数
　2　データ分析におけるモデルとパラメーター
　3　理論と実際の誤差

4章　ニューラルネットワークのしくみがわかる
　1　ニューロンの働きを数式で表現
　2　ユニットと活性化関数
　3　シグモイドニューロン
　4　ニューラルネットワークの具体例
　5　ニューラルネットワークの各層の働きと変数記号
　6　ニューラルネットワークの目的関数
　7　ニューラルネットワークの「学習」
　8　ニューラルネットワークの「学習」結果の解釈

5章　畳み込みニューラルネットワークのしくみがわかる
　1　畳み込みニューラルネットワークの準備
　2　畳み込みニューラルネットワークの入力層
　3　畳み込みニューラルネットワークの畳み込み層
　4　畳み込みニューラルネットワークのプーリング層
　5　畳み込みニューラルネットワークの出力層
　6　畳み込みニューラルネットワークの目的関数
　7　畳み込みニューラルネットワークの「学習」
　8　畳み込みニューラルネットワークの「学習」結果の解釈
　9　畳み込みニューラルネットワークをテスト
　10 パラメーターに負を許容すると

6章　リカレントニューラルネットワークのしくみがわかる
　1　リカレントニューラルネットワークの考え方
　2　リカレントニューラルネットワークの展開図
　3　リカレントニューラルネットワークの各層の働き
　4　式でリカレントニューラルネットワークを表現
　5　リカレントニューラルネットワークの目的関数
　6　リカレントニューラルネットワークの「学習」

7章　誤差逆伝播法のしくみがわかる
　1　最適化計算の基本となる勾配降下法
　2　誤差逆伝播法（バックプロパゲーション法）のしくみ
　3　誤差逆伝播法をExcelで体験
　4　誤差逆伝播法をPythonで体験

付録
　A　本書で利用する訓練データ（Ⅰ）
　B　本書で利用する訓練データ（Ⅱ）
　C　VBAの利用法
　D　ソルバーのセットアップ法
　E　Windows10のコマンドプロンプトの利用法
　F　Pythonのセットアップ法
　G　微分の基礎知識
　H　多変数関数の近似公式と勾配
　I　畳み込みの数学的な意味
　J　ユニットの誤差と勾配の関係
　K　ユニットの誤差の層間の関係