1. 機械学習入門講座で学べること
2. AIとは何か?
3. AIと機械学習の関係
4. 機械学習の種類
5. 機械学習に必要な基礎統計学
6. ディープラーニングとは?
7. AIと機械学習の発展の歴史
8. 機械学習のワークフロー概要
9. データの前処理と探索的データ分析
10. 特徴量エンジニアリング
11. 最適化問題と探索アルゴリズム
12. 教師あり学習:回帰モデル
13. 教師あり学習:分類モデル
14. モデルの評価と選択
15. アンサンブル学習
16. 教師なし学習:クラスタリング
17. 教師なし学習:次元削減と異常検知
18. ベイズ統計学と確率モデル
19. 時系列分析と状態空間モデル
20. ニューラルネットワークの基礎
21. 畳み込みニューラルネットワーク(CNN)の概要
22. 再帰型ニューラルネットワーク(RNN)の概要
23. 生成モデルの概要とGAN(Generative Adversarial Network)の仕組み
24. オートエンコーダ(Autoencoder)の基本構造
25. 物体検出技術の概要