記号解説
口絵
翻訳にあたって
序

第1章　科学技術計算のためのPython への入門
1.1　インストールとセットアップ
1.2　Numpy
1.2.1　Numpy の配列とメモリ
1.2.2　Numpy の行列
1.2.3　Numpy のブロードキャスティング
1.2.4　Numpy のマスクされた配列
1.2.5　Numpy の最適化と内容見本
1.3　Matplotlib
1.3.1　Matplotlib の代替
1.3.2　Matplotlib の拡張
1.4　IPython
1.4.1　IPython Notebook
1.5　Scipy
1.6　Pandas
1.6.1　シリーズ（Series）
1.6.2　データフレーム（Dataframe）
1.7　Sympy
1.8　コンパイル済みライブラリのインタフェース
1.9　統合開発環境
1.10　パフォーマンスと並列プログラミングへのクイックガイド
1.11　その他のリソース
参考文献

第2章　確率
2.1　はじめに
2.1.1　確率密度の理解
2.1.2　確率変数
2.1.3　連続型確率変数
2.1.4　微分積分を超えた変数の変換
2.1.5　独立確率変数
2.1.6　折れた竿の古典的事例
2.2　写像法
2.2.1　重み付きの距離
2.3　写像としての条件付き期待値
2.3.1　付録
2.4　条件付き期待値と平均二乗誤差
2.5　条件付き期待値と平均二乗誤差最適化の実施例
2.5.1　実施例
2.5.2　実施例
2.5.3　実施例
2.5.4　実施例
2.5.5　実施例
2.5.6　実施例
2.6　情報エントロピー
2.6.1　情報理論の概念
2.6.2　情報エントロピーの性質
2.6.3　カルバック・ライブラー情報量
2.7　積率母関数
2.8　モンテカルロサンプリング法
2.8.1　離散型変数のための逆CDF法
2.8.2　連続変数のための逆CDF法
2.8.3　棄却法
2.9　有用な不等式
2.9.1　マルコフの不等式
2.9.2　チェビシェフの不等式
2.9.3　ヘフディングの不等式
参考文献

第3章　統計
3.1　はじめに
3.2　統計用Python モジュール
3.2.1　Scipy の統計モジュール
3.2.2　Sympy の統計モジュール
3.2.3　その他の統計用Python モジュール
3.3　収束の種類
3.3.1　ほとんど確実に収束
3.3.2　確率収束
3.3.3　分布収束
3.3.4　極限定理
3.4　最尤推定法を用いた推定
3.4.1　コイン投げ施行の準備
3.4.2　デルタ法
3.5　仮説検定とP値
3.5.1　コイン投げの例に戻る
3.5.2　ROC（受信者動作特性）
3.5.3　P値
3.5.4　検定統計量
3.5.5　多重仮説検定
3.6　信頼区間
3.7　線形回帰
3.7.1　多重共変量への拡張
3.8　最大事後確率
3.9　ロバスト統計
3.10　ブートストラッピング
3.10.1　パラメトリックブートストラップ
3.11　ガウス= マルコフの定理
3.12　ノンパラメトリック法
3.12.1　カーネル密度推定
3.12.2　カーネル平滑化
3.12.3　ノンパラメトリック回帰推定量
3.12.4　最近傍回帰
3.12.5　カーネル回帰
3.12.6　次元の呪い
参考文献

第4章　機械学習
4.1　はじめに
4.2　Python の機械学習モジュール
4.3　学習の理論
4.3.1　機械学習理論への入門
4.3.2　汎化の理論
4.3.3　汎化と近似の複雑さについての動作例
4.3.4　交差検定
4.3.5　バイアスとバリアンス
4.3.6　学習ノイズ
4.4　決定木
4.4.1　ランダムフォレスト
4.5　ロジスティック回帰
4.5.1　一般化線形モデル
4.6　正則化
4.6.1　リッジ回帰
4.6.2　Lasso 回帰
4.7　サポートベクトルマシン
4.7.1　カーネルトリック
4.8　次元削減
4.8.1　独立成分分析
4.9　クラスタリング
4.10　アンサンブル手法
4.10.1　バギング
4.10.2　ブースティング
参考文献

索引
参考文献リスト（和書）

【原著】　José  Unpingco
【翻訳】　石井　一夫、加藤　公一、小川　史恵