【目次】
序

第1部　深層学習の基礎
1-1 超基本用語の整理
人工知能と機械学習と深層学習
モデル
線形と非線形
[雑談]　世界モデル

1-2 人工ニューロン
人工ニューロン
パーセプトロン
活性化関数
[雑談]　ウォルター・ピッツ

1-3 学習
ニューラルネットワークの基本構造と学習
入力と出力
3種類の学習
損失関数と目的関数
誤差逆伝播法
局所解
過学習
転移学習
構造
[雑談]　脳と深層学習の速度

1-4 畳み込みニューラルネットワーク
歴史
層
全結合層
畳み込み層
プーリング層
[雑談]　スケールと性能

1-5 リカレントニューラルネットワーク
ホップフィールドネットワーク
リカレントニューラルネットワークとゲート機構
エコーステートネットワーク
[雑談]　恐竜と哺乳類

1-6 画像生成AI
AutoEncoder
VAE
拡散モデル
[雑談]　視座

1-7 トランスフォーマー
ALL You Need Is Attention
トークン
埋め込み
自己注意機構
多頭注意
残差接続と正規化層
全結合層
そしてついに会話ができる
[雑談]　人工知能の倫理

1-8 深層強化学習
強化学習
行動選択ポリシー
マルコフ決定過程
Q学習
深層強化学習（DQN）
[雑談]　基盤AIとロボット

1-9 機械学習
機械学習の特徴
分類のための機械学習
次元圧縮（PCA）
次元圧縮（t-SNE）
次元圧縮（UMAP）
[雑談]　Neuronist

第2部　深層学習と生命科学
2-1 第2部のはじめに

2-2 顕微鏡画像
Cellpose

2-3 遺伝子解析
Geneformer

2-4 タンパク質科学
AlphaFold2

2-5 医療
DenseNet
モデルの強化

2-6 神経科学
解析ツールとして
脳のモデルとして

2-7 行動科学
DeepLabCut

2-8 心理学
筆者の研究

2-9 ALife
ニューラルセル・オートマトン

2-10 第2部のおわりに
LLMと人工知能の未来

巻末付録
付録1 深層学習を体験する
付録2 おすすめの入門書3選

あとがき
索引