目次

1.　統計学と機械学習
　1.1　統計学の目的
　1.2　機械学習の目的

2.　ベイズ統計と機械学習のための確率入門
　2.1　確率の基礎
　2.2　同時確率・周辺確率・条件付き確率
　2.3　確率変数の独立性
　2.4　連続変数の分布
　2.5　正規分布
　2.6　期待値
　2.7　規格化

3.　ベイズ推定入門
　3.1　観測値と推定量
　3.2　最尤推定
　3.3　ベイズ推定

4.　二項分布とその仲間たち
　4.1　二項分布
　4.2　多項分布

5.　共役事前分布
　5.1　ディリクレ分布
　5.2　ガンマ分布
　5.3　正規-ガンマ分布

6.　EMアルゴリズム
　6.1　混合モデル
　6.2　EMアルゴリズム
　6.3　グラフィカルモデル

7.　変分ベイズ
　7.1　変分法と変分ベイズ
　7.2　変分ベイズにおける変分下界
　7.3　変分ベイズによる推定

8.　マルコフ連鎖モンテカルロ法
　8.1　サンプリング
　8.2　マルコフ性とマルコフ連鎖
　8.3　メトロポリス・ヘイスティングス法
　8.4　ギブスサンプリング

9.　変分オートエンコーダ
　9.1　生成モデルと認識モデル
　9.2　VAEの学習
　9.3　条件付き変分オートエンコーダ

しくみがわかる深層学習