1. はじめに
2. 線形代数
3. 確率と情報理論
4. 数値計算
5. 機械学習の基礎
6. 深層順伝播型ネットワーク
7. 深層学習のための正則化
8. 深層モデルの訓練のための最適化
9. 畳み込みネットワーク
10. 系列モデリング:回帰結合型ニューラルネットワークと再帰型ネットワーク
11. 実用的な方法論
12. アプリケーション
13. 線形因子モデル
14. 自己符号化器
15. 表現学習
16. 深層学習のための構造化確率モデル
17. モンテカルロ法
18. 分配関数との対峙
19. 近似推論
20. 深層生成モデル
1. はじめに
2. 順伝播型ネットワーク
3. 確率的勾配降下法
4. 誤差逆伝播法
5. 自己符号化器
6. 畳込みニューラルネット
7. 再帰型ニューラルネット
8. ボルツマンマシン
1. はじめに
2. 機械学習と深層学習
3. ニューラルネット
4. 勾配降下法による学習
5. 深層学習の正則化
6. 誤差逆伝播法
7. 自己符号化器
8. 畳み込みニューラルネット
9. 再帰型ニューラルネット
10. ボルツマンマシン
11. 深層強化学習
1. Python入門
2. パーセプトロン
3. ニューラルネットワーク
4. ニューラルネットワークの学習
5. 誤差逆伝播法
6. 学習に関するテクニック
7. 畳み込みニューラルネットワーク
8. ディープラーニング
A. Softmax-with-Lossレイヤの計算グラフ
1. ニューラルネットワークの復習
2. 自然言語と単語の分散表現
3. word2vec
4. word2vecの高速化
5. リカレントニューラルネットワーク (RNN)
6. ゲート付きRNN
7. RNNによる文章生成
8. Attention
A. sigmoid関数とtanh関数の微分
B. WordNetを動かす
C. GRU
1. 自然言語処理のアプローチ
2. ニューラルネットの基礎
3. 言語処理における深層学習の基礎
4. 言語処理特有の深層学習の発展
5. 応用
6. 汎化性能を向上させる技術
7. 実装
8. おわりに