第1章 さあ、始めよう!

第2章 Python の概要
2.1 Python の基礎入門
2.2 分岐プログラム
2.3 文字列と入力
2.4 繰返し

第3章 簡単な算術プログラム
3.1 総当り
3.2 for ループ
3.3 近似解と2分法
3.4 浮動小数点数型の利用に関する注意
3.5 ニュートン ラフソン法

第4章 関数,スコープ、抽象化
4.1 関数とスコープ、
4.2 仕様
4.3 再帰
4.4 広域変数
4.5 モジュール
4.6 ファイル

第5章 構造型、可変性と高階関数
5.1 タプル
5.2 範囲
5.3 リストと可変性
5.4 オブジェクトとしての関数
5.5 文字列、タプル、範囲とリスト
5.6 辞書

第6章 テストとデバッグ
6.1 テスト
6.2 デバッグ

第7章 例外とアサーション
7.1 例外の処理
7.2 フロー制御機構としての例外。
7.3 アサーション

第8章 クラスとオブジェクト指向プログラミング
8.1 抽象データ型とクラス・
8.2 継承
8.3 カプセル化と情報隠蔽
8.4 発展例: 住宅ローン

第9章 計算複雑性入門
9.1 計算複雑性についての考察
9.2 漸近記法。
9.3 いくつかの重要な計算複雑性のクラス

第10章 いくつかの単純なアルゴリズムとデータ構造
10.1 探索アルゴリズム
10.2 ソーティングアルゴリズム、
10.3 ハッシュ表

第11章 プロットとクラス
11.1 PyLab を用いたプロット
11.2 住宅ローン残高の図示

第12章 ナップサック問題とグラフ最適化問題
12.1 ナップサック問題
12.2 グラフ最適化問題

第13章 動的計画法
13.1 フィボナッチ数列、再考
13.2 動的計画法と0/1 ナップサック問題
13.3 動的計画法と分割統治。

第14章 ランダムウォークと可視化
14.1 ランダムウォーク
14.2 酔歩
14.3 偏りのあるランダムウォーク
14.4 仕掛けを持つ場

第15章 確率、統計とプログラム
15.1 確率を用いたプログラム
15.2 簡単な確率計算
15.3 推計統計学とシミュレーション
15.4 分布
15.5 ハッシュと衝突
15.6 良いチームはどれくらい勝つ?

第16章 モンテカルロ・シミュレーション
16.1 パスカルの問題
16.2 「パスライン」か 「ドントパス」か
16.3 性能を上げるために参照表を使う
16.4 を求める
16.5 シミュレーションモデルに関する結びのことば

第17章 標本抽出と信頼区間
17.1 ボストンマラソンの標本抽出,
17.2 中心極限定理
17.3 平均の標準誤差

第18章 実験データの理解
18.1 バネの振舞い
18.2 発射体の振舞い
18.3 指数的に分布するデータに適合させる。
18.4 理論が得られないとき

第19章 無作為試験(無作為抽出試験) と仮説の照合
19.1 有意性のチェック
19.2 p値に注意せよ
19.3 片側検定と1標本検定
19.4 有意性の有無
19.5 標本サイズ Nの決め方
19.6 多重仮説検定

第20章条件付き確率とベイズ統計
20.1 条件付き確率
20.2 ベイズの定理
20.3 ベイズ更新

第21章 うそ、真っ赤なうそ、そして統計
21.1 ごみ入れごみ出し (ガイゴー)
21.2 検定は完璧ではない。
21.3 図は人をだますもの
21.4 偽りの因果の誤り
21.5 統計的測定は、ストーリー全体を表すわけではない
21.6 サンプリングの偏り
21.7 文脈が重要である
21.8 外挿に注意せよ。
21.9 テキサスの名射撃手の誤り
21.10 百分率は混乱を呼ぶ
21.11 統計的に有意な差は、無意味であるかもしれない
21.12 回帰の誤謬
21.13 よく用心せよ

第22章 機械学習はやわかり
22.1 特徴ペクトル
22.2 距離

第23章 クラスタリング
23.1 Cluster クラス
23.2 k-平均クラスタリング
23.3 不自然な例
23.4 より不自然さの少ない例

第24章 分類法
24.1 分類器の評価
24.2 ランナーの性別予想
24.3 k-近傍法
24.4 回帰をもとにした分類器
24.5 タイタニック号からの生還
24.6 まとめ

付録A Python 3.5 簡易マニュアル

索引