受講者は、様々なタイプのデータに対する機械学習と深層学習のモデリングと適用方法を理解し、自らがデータサイエンティストとして実務で直面する課題に直接対処する能力を身に付けることを目指します。受講者は、学んだアルゴリズムを使って、予測モデルを構築し、分類、回帰、クラスタリング、画像・音声認識、自然言語処理など、多様な問題に応用する経験を積みます。また、受講者は、モデルの評価方法とチューニング手法を学び、機械学習と深層学習プロジェクトの完全なサイクルを自信を持って実行できるようになることを期待しています。

この講座では、まず機械学習の全体的な枠組みと基本概念に触れ、その後、教師あり学習と教師なし学習の違いと適用方法について学びます。ニューラルネットワークの原理を抑えた上で、自己符号化や画像認識に特化した畳み込みニューラルネットワーク（CNN）、時系列データを扱う再帰的ニューラルネットワーク（RNN）、そして敵対的生成ネットワーク（GAN）などの応用範囲を網羅します。自然言語処理（NLP）セクションでは、テキストデータの前処理、特徴エンジニアリングから、最先端のNLPモデルまでを扱います。最終的には、実際のデータセットを使ったニューラルネットワークの実践演習を行い、理論を実世界のデータに適用する経験を提供します。