機械学習とは、コンピュータに学習させる技術を指します。AIの発展とともに、さまざまな手法が登場してきました。このAIのモデルとそのアルゴリズムは種類が多く、AIに関心のある人が学習を始めたとき、困惑する原因となっています。本書では、それらを整理し、わかりやすく解説します。具体例にはExcelを利用するため、難しい前提知識なしで、機械学習のさまざまな手法を体験することができます。どのような手法でAIが実現しているのか知りたい人に最適です。 1章 機械学習の基本 §1．機械学習とAI、そして深層学習 §2．教師あり学習と教師なし学習 2章　機械学習のための基本アルゴリズム §1．モデルの最適化と最小2乗法 §2．最適化計算の基本となる勾配降下法 §3．ラグランジュの緩和法と双対問題 §4．モンテカルロ法の基本 §5．遺伝的アルゴリズム §6．ベイズの定理 3章 回帰分析 §1．重回帰分析 §2．重回帰分析をExcelで体験 4章 サポートベクターマシン（SVM） §1．サポートベクターマシン（SVM）のアルゴリズム §2．サポートベクターマシン（SVM）をExcelで体験 5章　ニューラルネットワークとディープラーニング §1．ニューラルネットワークの基本単位のユニット §2．ユニットを層状に並べたニューラルネットワーク §3．誤差逆伝播法（バックプロパゲーション法） §4．誤差逆伝播法をExcelで体験 6章 RNNとBPTT §1．リカレントニューラルネットワーク（RNN）の仕組み §2．バックプロパゲーションスルータイム（BPTT） §3．BPTTをExcelで体験 7章　Q学習 §1．強化学習とQ学習 §2．Q学習のアルゴリズム §3．Q学習をExcelで体験 8章　DQN §1．DQNの考え方 §2．DQNのアルゴリズム §3．DQNをExcelで体験 9章 ナイーブベイズ分類 §1．ナイーブベイズ分類のアルゴリズム §2．ナイーブベイズ分類をExcelで体験 付録A．ニューラルネットワークの訓練データ 付録B．ソルバーのインストール法 付録C．機械学習のためのベクトルの基礎知識 付録D．機械学習のための行列の基礎知識 付録E．機械学習のための微分の基礎知識 付録F．多変数関数の近似公式 付録G．NNにおけるユニットの誤差と勾配の関係 付録H．NNにおけるユニットの誤差の「逆」漸化式 付録I．RNNにおけるユニットの誤差と勾配の関係 付録J．BP、BPTTで役立つ漸化式の復習 付録K．RNNにおけるユニットの誤差の「逆」漸化式 付録L．重回帰方程式の求め方