第1章　緒論
1.1 まえがき
1.2 基本用語
1.3 仮説空間
1.4 帰納バイアス
1.5 開発の過程
1.6 応用の状況
1.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第2章　モデルの選択と評価
2.1 経験誤差と過学習
2.2 評価方法
2.3 評価指標
2.4 比較検定
2.5 バイアスと分散
2.6 文献ノート
演習問題 / 参考文献 / 休憩コラム

第3章　線形モデル
3.1 基本形式
3.2 線形回帰
3.3 ロジスティック回帰
3.4 線形判別分析
3.5 多クラス分類学習
3.6 クラス不均衡問題
3.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第4章　決定木
4.1 処理の流れ
4.2 分割選択
4.3 枝刈り方法
4.4 連続値および欠損値
4.5 多変量決定木
4.6 文献ノート
演習問題 / 参考文献 / 休憩コラム

第5章　ニューラルネットワーク
5.1 ニューロンモデル
5.2 パーセプトロンと多層ネットワーク
5.3 誤差逆伝播法
5.4 大域的最小値と局所的最小値
5.5 その他の一般的なニューラルネットワーク
5.6 ディープラーニング
5.7 文献ノート
演習問題 / 参考文献 / 休憩コラム 

第6章　サポートベクターマシン
6.1 マージンとサポートベクターマシン
6.2 双対問題
6.3 カーネル関数
6.4 ソフトマージンと正則化
6.5 サポートベクター回帰
6.6 カーネル法
6.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第7章　ベイズ分類器
7.1 ベイズ決定理論
7.2 最尤推定
7.3 単純ベイズ分類器
7.4 半単純ベイズ分類器
7.5 ベイジアンネットワーク
7.6 EM アルゴリズム
7.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第8章　アンサンブル学習
8.1 個別学習とアンサンブル学習
8.2 ブースティング
8.3 バギングとランダムフォレスト
8.4 結合法
8.5 多様性
8.6 文献ノート
演習問題 / 参考文献 / 休憩コラム

第9章　クラスタリング
9.1 クラスタリング問題
9.2 性能尺度
9.3 距離計算
9.4 プロトタイプクラスタリング
9.5 密度クラスタリング
9.6 階層的クラスタリング
9.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第10章　次元削減と距離学習
10.1 k 近傍法
10.2 低次元埋め込み
10.3 主成分分析
10.4 カーネル主成分分析
10.5 多様体学習
10.6 距離学習
10.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第11章　特徴選択とスパースモデリング
11.1 特徴サブセットの選択と評価
11.2 フィルター法
11.3 ラッパー法
11.4 埋め込み法とL1 正則化
11.5 スパース表現と辞書学習
11.6 圧縮センシング
11.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第12章　計算論的学習理論
12.1 基本知識
12.2 PAC 学習
12.3 有限仮説空間
12.4 VC 次元
12.5 Rademacher 複雑さ
12.6 安定性
12.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第13章　半教師あり学習
13.1 ラベルなしサンプル
13.2 生成法
13.3 半教師ありSVM
13.4 グラフに基づく半教師あり学習
13.5 相違に基づく方法
13.6 半教師ありクラスタリング
13.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第14章　確率的グラフィカルモデル
14.1 隠れマルコフモデル
14.2 マルコフ確率場
14.3 条件付き確率場
14.4 学習と推論
14.5 近似推論
14.6 トピックモデル
14.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第15章　ルール学習
15.1 基本概念
15.2 逐次カバーリング
15.3 枝刈り最適化
15.4 一階ルール学習
15.5 帰納論理プログラミング
15.6 文献ノート
演習問題 / 参考文献 / 休憩コラム 

第16章　強化学習
16.1 タスクと報酬
16.2 K-アームバンディット
16.3 モデルベース学習
16.4 モデルなし学習
16.5 価値関数近似
16.6 模倣学習
16.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

付録A　行列
付録B　最適化
付録C　確率分布