第1章　私も機械学習エンジニアになりたい！

• 1-1　ビジネスの変革をもたらす機械学習 ～深層学習，人工知能との違いとは～
• 1-2　ディープラーニング入門 ～CNNで画像分類とドキュメント分類にチャレンジ！～
• COLUMN 1　自然言語処理エンジニアから見た深層学習
• 1-3　低予算ではじめる機械学習用自作マシンのポイント
• 1-4　機械学習エンジニアを目指すには ～開発と採用の現場からアドバイス～
• COLUMN 2　機械学習なんて信頼できない！にどう対処するか ～“グレーボックス”でユーザに説明～

第2章　機械学習の始め方

• 2-1　機械学習をはじめよう ～必要なのはデータ・アルゴリズム・計算資源～
• 2-2　APIで学習済みモデルを利用しよう ～Google Cloud Vision APIで画像認識を行う～
• 2-3　クラウド＆GUIですぐに始めよう ～Azure Machine Learning Studioで構築～
• 2-4　本格的にPythonライブラリを使おう ～scikit-learn入門と機械学習の勉強方法～

第3章　君は使わずにいられるか？ TensorFlow.js

• 3-1　～js版にも通ずる機械学習に適した特徴とは？～ TensorFlowのしくみと思想
• 3-2　～GoogleのWebアプリからノウハウを学ぼう～ TensorFlow.jsのメリットを活かした開発
• 3-3　～TensorFlow.jsを使ってみよう～ 学習済みモデルの組み込みとモデル構築の実践

第4章　実践！ GPUサーバでディープラーニング

• 4-1　インフラエンジニアが押さえておくべきディープラーニングとGPUの関係
• 4-2　ディープラーニングにおける計算資源の重要性
• 4-3　GPUサーバでつくるミニ囲碁プログラム（前編）
• 4-4　GPUサーバでつくるミニ囲碁プログラム（後編）

第5章　今すぐはじめるPython

• 5-1　～今から始めるならPythonがお勧め！～ なぜPythonを導入するとお得なのか
• 5-2　Pythonの導入と基本 ～文法からライブラリまで～
• 5-3　～Jupyter Notebookを使って納得！～ 機械学習にはPythonが最適なワケ

第6章　そのPythonライブラリ，どうして必要なんですか？

• 6-1　パッケージ管理の基礎を知ろう ～効率的な開発のための前準備～
• 6-2　Pythonの基礎力を高めよう ～ライブラリの使い方と作り方～
• 6-3　データ分析の前処理をさくっと終わらせよう ～定時に帰るためのpandas入門～
• 6-4　イメージどおりにデータを可視化しよう ～データに隠された意味を見つけるMatplotlib入門～

Appendix　［データサイエンス超入門］機械学習をどう学ぶべきか？ ～数学とコンピュータのつなぎ方～