1章　はじめにJ 2章　機械学習と深層学習J なぜ深層学習か？/機械学習とは何か/統計入門/機械学習の基礎/表現学習と深層学習の進展J 3章　ニューラルネットJ 神経細胞のネットワーク/形式ニューロン/パーセプトロン/順伝播型ニューラルネットワークの構造/ニューラルネットによる機械学習/活性化関数/なぜ深層とすることが重要なのかJ 4章　勾配降下法による学習J 勾配降下法/改良された勾配降下法/重みパラメータの初期値の取り方/訓練サンプルの前処理/J 5章　深層学習の正則化J 汎化性能と正則化/重み減衰/早期終了/重み共有/データ拡張とノイズの付加/バギング/ドロップアウト/深層表現のスパース化/バッチ正規化J 6章　誤差逆伝播法J パーセプトロンの学習則とデルタ則/誤差逆伝播法/誤差逆伝播法はなぜ早いのか/勾配消失問題，パラメータ爆発とその対応策J 7章　自己符号化器J データ圧縮と主成分分析/自己符号化器/スパース自己符号化器/積層自己符号化器と事前学習/デノイジング自己符号化器/収縮自己符号化器J 8章　畳み込みニューラルネットJ 一次視覚野と畳み込み/畳み込みニューラルネット/CNN の誤差逆伝播法/学習済みモデルと転移学習/CNN はどのようなパターンを捉えているのか/脱畳み込みネットワーク/インセプションモジュールJ 9章　再帰型ニューラルネットJ 時系列データ/再帰型ニューラルネット/機械翻訳への応用/RNN の問題点/長・短期記憶/再帰型ニューラルネットと自然言語処理J 10章　ボルツマンマシンJ グラフィカルモデルと確率推論/ボルツマンマシン/ボルツマンマシンの学習と計算量爆発/ギブスサンプリングとボルツマンマシン/平均場近似/制限付きボルツマンマシン/コントラスティブダイバージェンス法とその理論/ディープビリーフネットワーク/ディープボルツマンマシンJ 11章　深層強化学習J 強化学習/関数近似と深層 Q ネット/アタリゲームと DQN/方策学習/アルファ碁J 付録　確率の基礎/変分法