第1部　APIとは？　ディープラーニングとは？
1章　APIの原理
1-1　インタフェース
1-2　アプリケーション
1-3　プログラミング
1-4　APIのまとめ
2章　ディープラーニングの原理
2-1　グーグル猫
2-2　論文「大規模な教師なし学習を用いた高水準な機能の構築」の概要
2-3　特徴検出器をラベルなしのデータのみから構築する
2-4　基本をおさえる
2-5　ニューラルネットワークモデル
2-6　9層の10億接続されたモデル
2-7　プーリングと局所コントラスト正規化
2-8　スパースオートエンコーダ
2-9　誤差関数
2-10 正則化項を加えたオートエンコーダ
2-11 過学習
2-12 確率的勾配降下法
2-13 学習フェーズと認識フェーズ
2-14 ディープラーニングのまとめ
3章　ディープラーニングのしくみ・基礎
3-1　ディープラーニング開発ワークフロー
3-2　学習データの収集
3-3　ニューラルネットワークモデル設計・育成
3-4　APIによるディープラーニングのまとめ

第2部　API呼び出しのポイント
1章　APIを呼び出す環境を構築しよう
1-1　インターネット上に公開されているAPIとは
1-2　Python を用いたAPIの呼び出し
1-3　Java を用いたAPIの呼び出し
1-4　JavaScriptを用いたAPIの呼び出し
2章　いますぐ使えるAPI：利用可能なクラウドサービス
2-1　APIの種類
2-2　画像・動画解析のAPIでできること
2-3　テキスト解析のAPIでできること
2-4　音声解析のAPIでできること

第3部　いますぐできる2つの活用シーン
シーン1　テスト採点の自動化：分析情報抽出APIの活用
Step 1　プログラム（答案用紙画像取り込み）
Step 2　プログラム（分析情報抽出APIの呼び出し）
Step 3　プログラム（API実行結果の解析）
Step 4　プログラム（Excelファイルに書き込み）
Step 5　実行用のJARファイルをつくって実行
シーン2　会話による健康管理サポート：音声操作アプリケーションの活用
Step 1　Actionsプロジェクトの作成
Step 2　Dialogflowエージェントの作成
Step 3　会話設計
Step 4　会話の実装①（起動時のメッセージ）
Step 5　会話の実装②（聞き取る内容の登録）
Step 6　会話の実装③（聞き取った内容からの情報抽出）
Step 7　会話の実装④（聞き取った内容への応答）
Step 8　会話の実装⑤（聞き取る内容パターンの追加）
Step 9　会話の実装⑥（Entityのカスタマイズ）
Step 10 会話の実装⑦（終了時のメッセージ）
Step 11 Firebaseプロジェクトの作成
Step 12 Node.js設定ファイルの作成
Step 13 会話パラメータの取得
Step 14 データベースの作成
Step 15 食事内容のデータベースへの保存
Step 16 プログラムのアップロード
Step 17 Fulfillment処理の登録
Step 18 テスト実行

COLUMN
《ネコの寄り道》フレームワークとライブラリの違い
《ネコの寄り道》猫ニューロンがもっともよく反応したテストセット
《ネコの寄り道》量子コンピュータ？
JSON形式とJSONP形式
Javaプロジェクトのインポート手順
スマートフォンからのテスト実行
Firebaseプロジェクトのファイル構成
保存場所の手動作成方法
Dialogflowエージェントのインポート手順