【目次】 ディープラーニング学習（基礎編） 第1章 インストラクション 1-1 人工知能・機械学習の歴史 1-2 ディープラーニングの系譜 1-3 ニューラルネットワークの構造と表現力 1-4 関数の近似と教師データ 第2章 学習の仕組み 2-1 モデルの性能を評価する損失関数 2-2 学習とはモデルの損失を最小化する探索 2-3 学習の３つの枠組み 2-4 一度の学習で利用する教師データ単位の３つの分類 2-5 多層モデルの勾配計算に利用する誤差逆伝播法 2-6 学習における重みパラメータ更新の計画手法 第3章 学習における弱点 3-1 勾配の消失問題と活性化関数 3-2 局所解収束問題と次元の呪い 3-3 汎化性能を落とす過学習問題 第4章 弱点に対する対策 4-1 勾配消失を防ぐオートエンコーダー 4-2 勾配消失を防ぐResNet 4-3 過学習を防ぐ正則化 4-4 過学習を防ぐドロップアウト 4-5 学習コストを減らす転移学習法 4-6 学習コストを減らすファインチューニング