1장 R 사용하기
_1.1 기계학습을 위한 R
__1.1.1 R 다운로드와 설치
__1.1.2 IDE와 텍스트 편집기
__1.1.3 R 패키지 설치 및 로드하기
__1.1.4 기계학습을 위한 R 기초
__1.1.5 R에 대해 더 읽을거리

2장 데이터 탐색(data exploration)
_2.1 탐색(exploration) 대 확증(confirmation)
_2.2 데이터란 무엇인가?
_2.3 열의 데이터 형식 알아내기
_2.4 의미 추측
_2.5 수치요약
_2.6 평균값, 중앙값, 최빈값(mode)
_2.7 분위수(Quantile)
_2.8 표준편차와 분산
_2.9 탐색적 데이터 시각화
_2.10 열 간 관계성을 시각화하기

3장 분류: 스팸 필터
_3.1 이것 아니면 저것: 이항 분류
_3.2 조건부 확률을 찬찬히 알아보기
_3.3 베이즈 스팸 분류기 개발
__3.3.1 분류기를 정의하고 고난도 햄 데이터로 검증하기
__3.3.2 모든 이메일 종류에 대해 분류기 검증
__3.3.3 결과 개선

4장 순위 매기기: 자동 분류함(priority inbox
_4.1 순서를 모르는 대상을 어떻게 정렬할까?
_4.2 이메일 메시지를 우선순위에 따라 정렬하기
__4.2.1 이메일의 우선순위 특성
_4.3 자동분류함 작성
__4.3.1 특성값 추출을 위한 함수들
__4.3.2 등급을 위한 가중치 설정법
__4.3.3 이메일 스레드 활동에 대한 가중치 설정
__4.3.4 학습 및 검증

5장 회귀 모형: 페이지 방문 수 예측
_5.1 회귀 소개
__5.1.1 기본 모형
__5.1.2 가변수를 활용한 회귀
__5.1.3 선형 회귀 간단 설명
_5.2 웹 트래픽 예측
_5.3 상관계수 정의

6장 정규화: 텍스트 회귀
_6.1 데이터 열 사이의 비선형 관계: 직선을 넘어서
__6.1.1 다항식 회귀 소개
_6.2 과대적합을 막는 방법
__6.2.1 정규화를 이용한 과대적합 방지
_6.3 텍스트 회귀
__6.3.1 로지스틱 회귀로 빠져나가기

7장 최적화: 암호 해독
_7.1 최적화에 대한 소개
_7.2 능선 회귀(Ridge Regression)
_7.3 최적화로 암호해독하기

8장 PCA: 주가 지수 작성
_8.1 자율학습(Unsupervised Learning)

9장 MDS: 미국 상원의원 유사성을 시각적으로 탐색하기
_9.1 유사성에 기반한 군집화
__9.1.1 다차원 척도법과 거리 측도에 대한 간략 소개
_9.2 미 상원의원들은 어떻게 뭉쳐있는가?
__9.2.1 미국 상원 기명 투표 데이터

10장 kNN: 추천 시스템
_10.1 k-근접 이웃 알고리즘
_10.2 R 패키지 설치 데이터

11장 소셜 네트워크 분석
_11.1 소셜 네트워크 분석
__11.1.1 네트워크로 생각하기
_11.2 트위터 소셜 네트워크 데이터 해킹하기
__11.2.1 구글 소셜그래프(SocialGraph) API 다루기
_11.3 트위터 네트워크 분석
__11.3.1 지역 군집 구조(Local Community Structure)
__11.3.2 Gephi로 트위터 네트워크 군집 시각화하기
__11.3.3 자신만의 “팔로우 추천” 엔진 제작하기

12장 모형 비교
_12.1 SVM: 지지벡터기계
_12.2 알고리즘 비교

인용된 문헌
찾아보기