| 章 | タイトル | 概要 |
|----|--------------------------------------------|--------------------------------------------------------------------------------------------------|
| 6 | Deep Feedforward Networks | 深層前駆け出しネットワークについて説明し、これらのモデルが学習する関数の形状と、モデル設計の手法を解説する。 |
| 7 | Regularization for Deep Learning | 深層学習モデルの過学習を抑制するための正則化技術（重み減衰、ドロップアウトなど）を紹介し、モデルの汎化性能を向上させる方法を説明する。 |
| 8 | Optimization for Training Deep Models | 深層学習モデルの訓練に使用される最適化アルゴリズム（勾配降下法、モーメンタム、アダムなど）を紹介し、それらの選択と適用に関するベストプラクティスを説明する。 |
| 9 | Convolutional Networks | 畳み込みニューラルネットワーク（CNN）の基本概念とアーキテクチャを紹介し、画像分類、物体検出などの視覚タスクに対する応用例を説明する。 |
| 10 | Sequence Modeling: Recurrent and Recursive Nets | 時系列データやシーケンスデータを扱うためのリカレントニューラルネットワーク（RNN）と再帰型ニューラルネットワーク（RvNN）について解説し、自然言語処理や音声認識などのタスクにおける応用例を紹介する。 |
| 11 | Practical Methodology | 実践的な深層学習プロジェクトの進め方や、モデルの設計、選択、評価、チューニングに関する方法論を提供する。 |
| 12 | Applications | 深層学習技術が適用されているさまざまな応用分野（コンピュータビジョン、自然言語処理、音声認識、医療画像解析など）を紹介し、具体的なアプリケーション例を解説する。 |