第1章 ディープラーニングプロジェクトはなぜうまくいかないのか
1.1 本書がディープラーニングに注力する理由
1.2 なぜディープラーニングから学ぼうとするのか
1.3 ディープラーニングが採用される要因
1.4 ディープラーニングの現場での課題
1.5 AIテンプレートの重要性
1.6 本書で取り上げる内容

第2章 機械学習プロジェクトの標準プロセス［課題理解からメンテナンスまで］
2.1 ビジネス課題の理解
2.2 探索的データ分析
2.3 モデル開発の下準備
2.4 モデル開発
2.5 モデルのサービス展開（デプロイ）
2.6 モデルの品質管理
2.7 プロジェクトの検討項目としてのAIテンプレート
2.8 まとめ

第3章 ディープラーニングの基本構成
3.1 ニューラルネットワークの処理概要
3.2 ニューラルネットワーク処理プロセスの概要
3.3 ニューラルネットワークの学習
3.4 ニューラルネットワークの各機能
3.5 ニューラルネットワークの学習の動作
3.6 ニューラルネットワークの隠れ層の学習についての直感的理解
3.7 ニューラルネットワークの学習の割合や回数に関する指定
3.8 ニューラルネットワークの評価
3.9 ディープニューラルネットとは
3.10 ディープニューラルネットの学習
3.11 まとめ

第4章 畳み込みニューラルネットワークのメカニズムと意味をとらえる
4.1 CNN の本質を理解するために
4.2 CNNの概要
4.3 CNNの特徴
4.4 まとめ

第5章 再帰型ニューラルネットワークのメカニズムと意味をとらえる
5.1 本章の目的
5.2 シーケンシャルデータとRNNの概要
5.3 LSTM
5.4 その他のトピックス
5.5 まとめ

第6章 AI開発テンプレート適用のユースケース
6.1 ビジネスのポイントと分析
6.2 機械学習に対応できるチームやプロジェクトの選定
6.3 課題の例：解約予測（Churn Prediction）
6.4 解約予測で考慮すべき内容
6.5 解約予測で用いる探索的データ分析
6.6 最初の機械学習の実験（Experiment）
6.7 モデルの構築方法
6.8 モデルの展開
6.9 解約予測モデルの維持管理
6.10 長期的に価値を維持するためにすべきこと
6.11 従来の解約予測と機械学習による方法の比較
6.12 おわりに

Appendix AIテンプレートを実装したサンプル
A.1 利用するデータセット
A.2 サンプルの実行条件
A.3 Docker上でのサンプルの実行手順