１．序論：機械学習入門
　1-1 人工知能と機械学習
　　　～AI世代・AIの課題・将来展望～
　1-2 機械学習の分類と手法
　　　～EBLとIBL・教師あり／なし学習～

２．大量データに基づく機械学習とその応用
　2-1 人工神経回路網と深層学習の基礎
　　　～原理・構造・学習法～
　2-2 深層学習による画像処理・認識
　　　～DNN・CNN・U-Net・YOLOなど～
　2-3 深層学習による自然言語処理
　　　～Transformer・GPT・ChatGPTなど～
　2-4 深層学習による時系列予測
　　　～RNN・LSTM・DQN・PLMなど～
　2-5 深層学習による異常検知
　　　～AE・CAE・VAE・U-MAPなど～

３．少量データに基づく機械学習とその応用
　3-1 少量データの学習における課題
　　　～データの水増し・欠損の補間など～
　3-2 少量データからの関数推定／最適化
　　　～EMアルゴリズム・ベイズ最適化・GP～
　3-3 学習事例が少ない場合の画像認識
　　　～半教師付き学習・GAN・CGなど～
　3-4 データが少ない場合の異常検知
　　　～１クラスSVM・シミュレータの利用～
　3-5 進化的機械学習
　　　～進化計算法による処理の自動構築～

４．企業の業務での機械学習法の利用
　4-1 企業でのAI開発について
　　　～基本方針・トレンド・外注時の注意～
　4-2 深層学習の効果的な利用方法
　　　～説明性・リスク・ルールとの共存など～
　4-3 ChatGPTなどの生成系AIの有効な利用方法
　　　～利用上の注意・どこに利用するか？～
　4-4 データが少ない場合のAI導入
　　　～データ収集・学習法の選択・AutoML～
　4-5 AI人材の育成方法
　　　～必要な人材とその育成方法～

５．まとめと質疑応答・AIよろず相談室

付録１：代表的な機械学習法
付録２：進化計算法入門
付録３：横浜国立大学の紹介