1. データサイエンスとは
1.1 要素技術
1.2 AIの時代
2. データと前処理
2.1 ビッグデータ・データベース
2.2 基本統計量・ベイズ設計
2.3 データの標準化
3. モデル化と最適化
3.1 実験計画法
3.2 シンプレックス最適化法
3.3 グリッドサーチ
4. パターン認識・多変量解析
4.1 パターン認識とは
4.2 多変量解析とは
4.3 重回帰分析とPLS回帰分析
4.4 クロスバリデーションとは
5. サポートベクターマシン(SVM)
5.1 カーネル法
5.2 SVMの応用例
6. ニューラルネットワーク・ディープラーニング
6.1 ニューラルネットワークとは
6.2 ニューラルネットワークの構造と学習
6.3 ディープラーニング
6.4 ディープラーニングの活用分野・展望
7. まとめ