1. 機械学習で何ができるのか
1.1 機械学習とは
1.2 機械学習の歴史
1.3 機械学習の最新の動向
1.4 機械学習でできること
1.5 機械学習のカスタマイズ
2. 機械学習の手法とその特徴
2.1 多変量解析法
a) データの種類
b) 回帰と予測
c) 次元の呪いと主成分分析
d) クラスタリング
e) パターン認識法
2.2 ベイズモデリング
a) 確率モデルの考え方
b) ベイジアンネット
c) ナイーブベイズ法
d) マルコフ連鎖モンテカルロ法
e) 変分ベイズ法
f) 状態空間モデルとパーティクルフィルタ
2.3 カーネルマシン
a) カーネル多変量解析
b) サポートベクターマシン
2.4 スパースモデリング
a) 構造抽出とモデル選択
2.5 ディープラーニング
a) ニューラルネットワーク
b) たたみこみニューラルネットワーク
c) 制約付きボルツマンマシン
2.6 その他の機械学習技術
a) バンディットと強化学習
b) アンサンブル学習
3. 機械学習の実践技術
3.1 データ解析の注意点
3.2 データ解析開発言語と実例
3.3 欠損値への対処
3.4 問題のモデル化技術