本書は大学生，大学院生または企業のAI 実務担当（予定）者が学ぶディープラーニングの実践的入門書である。ディープラーニングに関する書籍はすでに数多く出版されているが，初心者がその分野に足を踏み入れるには敷居が高いきらいがある。そこで，ツールを演習で使用しながらディープラーニングを体得する進め方が，初心者の勉学意欲を喚起すると考えて本書を企画した。 1章「ニューラルネットワークの基礎」では，2 〜4 章でのディープニューラルネットワークの理解に必要となるニューラルネットワークの基礎について述べる。 2章「ディープラーニングの基礎」では，3，4章でのMATLABを用いたディープラーニングの理解に必要となる基礎を，具体的なディープニューラルネットワークを用いて学ぶ。 3 章「MATLABによるディープラーニングの予備知識」では，ディープラーニングの世界を俯瞰するのに役立つMATLABでのチュートリアル，例題をQ&A付で紹介している。この3章までが，演習をこなすための準備である。 4章「MATLABによるディープラーニング演習」では，MATLABのモジュールを用いてディープニューラルネットワークを体験する。読者の方々が，「MATLABを用いてディープニューラルネットワークを自ら使えることを実感する！そして，使いたくなる！」ことを目標とした。 1章　ニューラルネットワークの基礎 1.1　形式ニューロンとシナプスの可塑性 1.2　パーセプトロン 1.3　誤差逆伝搬学習法 1.4　ネオコグニトロン 引用・参考文献 2章　ディープラーニングの基礎 2.1　AlexNet 　2.1.1　ネットワークの構造と学習済みの事例 　2.1.2　主な構成要素 　2.1.3　転移学習の利用方法 2.2　GoogLeNet 　2.2.1　ネットワークの構造と学習済みの事例 　2.2.2　主な構成要素 　2.2.3　転移学習の利用方法 2.3　LSTM 　2.3.1　ネットワークの構造 　2.3.2　主な構成要素 　2.3.3　適用方法 引用・参考文献 3章　MATLABによるディープラーニングの予備知識 Question 一覧 3.1　チュートリアル Q&A 3.2　例題 Q&A 　3.2.1　共通 　3.2.2　例1：深層学習を使用したWebカメライメージの分類 　3.2.3　例2：新しいイメージを分類するための深層学習ネットワークの学習 　3.2.4　例3：イメージ分類用の残差ネットワークの学習 　3.2.5　例4：深層学習を使用した時系列予測 4章　MATLABによるディープラーニング演習 4.1　画像認識 4.2　LSTM 4.3　モデルの調整 演習問題のヒント 演習問題の解答例 演習問題の解答例の解説 索引 英訳索引