第1章　第1 章 機械学習とは？ 〜コンピュータはデータから学ぶ〜　
第2章　機械学習の手順 〜コンピュータが賢くなる手順〜　
2-1　データの準備と前処理〜機械学習の下ごしらえ〜　
2-2　特徴量エンジニアリング〜重要な特徴を見つけ出す〜　
2-3　データ分割〜トレーニング／検証／テストの3段構え〜　
2-4　モデルの評価～テストの成績をどう分析するか～　
第3章　教師あり学習 ～正解を教えてもらって、少しずつ賢くなる学び方～　
3-1　k近傍法〜「近くの人に相談してみる」ことから始まる予測法〜　
3-2　線形回帰～まっすぐな線で予測する～　
3-3　ロジスティック回帰〜「はい」か「いいえ」を予測する魔法のモデル～　
3-4　サポートベクターマシン～わかりやすくデータを分ける、賢い境界線の探し方～　
3-5　ナイーブベイズ〜ヒントから正体を推測する確率の名探偵〜　
3-6　決定木〜診断チャートで判定する〜　
3-7　アンサンブル学習～みんなで答えを出す最強のチームワーク〜　
3-8　ランダムフォレスト〜たくさんの意見を集めて、より正しい答えを導く「クラス委員会」〜　
3-9　勾配ブースティング〜失敗から学んで、どんどん賢くなる努力の人〜　
第4章　ニューラルネットワーク 〜脳みそのモノマネ〜　
4-1　単純パーセプトロン〜最も単純なニューラルネットワーク〜　
4-2　多層パーセプトロン〜ワンルームから一軒家へ〜　
4-3　ディープラーニング〜一軒家から高層ビルへ〜　
4-4　活性化関数〜ニューロンの性質を決めるスイッチ〜　
4-5　ディープラーニングの学習〜コツコツと試行錯誤を繰り返す努力家〜　
4-6　最適化アルゴリズム〜効率的に山を下る〜　
4-7　正規化と正則化〜本番に強くなるための学習法〜　
4-8　ディープラーニングあるある〜よくあるつまずきポイント〜　
第5章　教師なし学習 〜正解がなくても、自分で見つける力〜　
5-1　k平均法〜似たものどうしをまとめてグループを作る〜　
5-2　階層クラスタリング〜似たものどうしが少しずつ集まる不思議な木〜　
5-3　DBSCAN〜集まりぐあいを見て、グループを見つけよう〜　
5-4　主成分分析〜データの整理整頓で見えてくる“本質”〜　
5-5　t-SNE〜似たものどうしは近くに並べる〜　
第6章　強化学習 〜七転び八起き、実践から学ぶ〜　
6-1　Q学習〜攻略本を作って最適な行動を見つけよう〜　
6-2　グリッドワールドで学ぶQ 学習〜マス目の世界で育つ「攻略本」〜　
6-3　深層Q学習〜ディープラーニングで広い世界に挑む〜