1 はじめに
1.1 データマイニングと人工知能
1.2 機械学習とは何か？
1.2.1 教師あり学習
1.2.2 教師なし学習
1.3 深層学習概説
1.4 データマイニングと人工知能の対比
1.5 統計的機械学習の目的とメリット
1.6 確率の基礎と例題
1.6.1 規格化条件
1.6.2 平均・分散
1.6.3 確率の和法則と積法則
1.6.4 確率の基礎を例題で理解する
2 統計的機械学習の基礎とマルコフ確率場
2.1 ベイズ推定
2.2 統計的機械学習の枠組み
2.3 マルコフ確率場
2.3.1 確率的グラフィカルモデルとは？
2.3.2 ギブスサンプリング
2.3.3 ボルツマンマシン
2.4 マルコフ確率場の統計的機械学習の方法
2.4.1 最尤法
2.4.2 最尤法と情報理論
2.4.3 EMアルゴリズム
2.5 マルコフ確率場の問題点
2.6 問題解決のための近似的計算技術
2.6.1 モンテカルロ積分法
2.6.2 最新のモンテカルロ積分法
2.6.3 確率伝搬法
2.7 ガウス型マルコフ確率場
3 マルコフ確率場の応用例（データ生成モデル、データマイニングへの応用）
3.1 統計的重回帰分析
3.1.1 通常の重回帰分析
3.1.2 マルコフ確率場に基づく重回帰分析
3.2 画像ノイズ除去
3.3 道路交通量の（ナウ・キャスト）推定
3.4 グラフマイニング
3.4.1 スパースモデリングのアプローチ
3.4.2 項目間の関連マップの抽出
4 人工知能への応用
4.1 制限ボルツマンマシン
4.2 パターン認識問題
4.3 制限ボルツマンマシンを利用したパターン認識
4.3.1 制限ボルツマンマシン型分類器
4.3.2 画像認識への応用
4.4 人工知能モデルからの知識発掘～これからの人工知能～
5 おわりに
5.1 本講座のまとめ
5.2 統計的機械学習の利点とこれから