TensorFlow

0. はじめに
0.1. Math Glossary(基本数学用語集)
0.2. Deep Learning Glossary(深層学習用語集)
0.3. Python built-in functions
0.4. Python modules, classes, functions
0.5 TensorFlow 基本数学演算

1. インストール・セットアップ
1.1. OS (Unix, Windows, Mac)
1.2. 仮想Python環境(Virtualenv、Anaconda、Docker)
1.3. Pythonのバージョン
1.4. CPUまたはGPU
1.5. TPU(Tensor Processing Unit)
1.6. ラッパー(Keras, FloydHub)

2. 目的・対象
2.1. 画像認識・文字認識
   OpenCV (Open Source Computer Vision Library)
   機械学習による画像認識
2.2. 音声認識(声・音楽)
   Google Magenta
   WaoN
2.3. 言語認識(翻訳・構文解析)
   word2vec
2.4. 時系列データ認識
2.5. 三次元構造認識
   Pose Estimation(OpenPose, VNect)
   Structure from Motion (SfM)
   Visual Odometry (VO)
   VSLAM
2.6. ラベリング
2.7. 画像作成
   GANs(敵対的生成ネットワーク)による新規画像生成
   pix2pix
   超解像度画像生成(super-resolution)

3. モデル作成
3.1. DNN(Deep Neural Network:ディープニューラルネットワーク)
3.2. CNN(Convolutional Neural Network:畳み込みニューラルネットワーク)
3.3. RNN(Recurrent Neural Networks:再帰型ニューラルネットワーク)
3.4. LSTM(Long Short Term Memory:RNNの改良型ニューラルネットワークモデル)
3.5. 途中分岐・枝分かれしたNNM
3.6. カプセルネットワーク
3.7. Inception v3
3.8. Autoencoder(自己符号化器)

4. 学習
4.1. 学習データ作成
4.1.1. スクレイピング
4.1.2. 学習データのベクトル表現
4.2. 学習データの読み込み
4.3. ゼロからの学習
4.3.1. バイアス, エントロピー, 誤差関数, 損失関数
4.3.2. 入力層・中間層・出力層
4.4. 教師あり学習・教師なし学習
4.5. 移転学習とFine-Tuning
4.6. バックプロパゲーション(Backpropagation:誤差逆伝播法)
4.7. 過学習とドロップアウト
4.8. GCML(Google Cloud ML Engine)
4.9. NGC(NVIDIA GPU Cloud)

5. モデルの評価
5.1. TensorBoard
5.2. ディープラーニングの判断根拠を理解する手法

6. モデルの保存とリストア
6.1. 保存とリストア
6.2. データのインポート

7. 動くモデルを作成して理解を深める
7.1. MNISTに自分の手書きの数字を学習させる
7.2. MNISTに自分の手書きの文字を学習させる

8. ライブ環境での稼働
8.1. TensorFlow Serving
8.2. TensorFlow ModelServer

9. ウェブアプリケーションへの適用
9.1. ウェブサイトでPHPと繋いで動かす
9.2. ワードプレス・プラグイン