非会員：
51,700円
（本体価格：47,000円）
会員：
51,700円
（本体価格：47,000円）
学生：
51,700円
（本体価格：47,000円）
1 ディープラーニングの現在
2 畳み込みニューラルネットワーク（CNN：Convolutional Neural Networks）
2.1 畳み込み層
2.2 プーリング層
2.3 全結合層
2.4 出力層
3 畳み込みニューラルネットワークの学習
3.1 誤差逆伝播法
3.2 最適化法（SGD / Adam / RMSProp）
4 ネットワーク構造
4.1 AlexNet
4.2 VGG
4.3 GoogLeNet
4.4 ResNet
4.5 SE-Net
5 汎用性を向上させるためのテクニック
5.1 Dropout
5.2 Batch Normalization
5.3 インスタンス正規化
5.4 大規模データセットの活用
5.5 データ拡張（Mixup, Cutout等）
6 物体検出への応用
6.1 Fast R-CNN
6.2 YOLO
6.3 SSD
7 セグメンテーションへの応用
7.1 FCN
7.2 SegNet
7.3 U-Net
7.4 PSP Net
8 判断根拠の可視化
8.1 CAM
8.2 CAM Grad
8.3 Attention Branch Network
8.4 判断根拠を活用した精度向上
9 ディープラーニングのフレームワーク
9.1 Chainerによる実装
9.2 Pytorchによる実装
9.3 Neural Network Console等
