「機械学習のしくみを理解して，学習手法を適切に選んで使いこなせるようになりたい」
「でも，忙しくて数式だらけの本を読む余裕がない」
…という方へ！

本書では，機械学習を使いこなすのに必要な考え方やしくみを，数式にはあまり踏み込まず，言葉とイメージでていねいに解き明かしています．

まずは，第1章と第2章で機械学習の全体を俯瞰します．
データ解析の一連のプロセスや，手法の特徴や性質の違いなど，エンジニアに必要な広い視野で機械学習をとらえます．

第3章以降では，回帰分析／ディープラーニング／ベイズ理論／決定木学習など，個々の学習手法の考え方とモデルのしくみを以下の構成で解説します．

【発想】
そこで紹介する学習手法がどのようなアイデアに基づいているのかを概観します．

【モデル】
アイデアがどのようにモデルに落とし込まれているのか，その理論について詳しく解説します．

【実装】
Rによる簡単な実装例で，その技術が自分の道具として扱えることを体感してもらいます．

【発展的な話題】
いくつかの章では，高度で専門的な話題も紹介しています：CNN，深層生成（第5章　ディープラーニング）／アンサンブル学習（第8章　決定木学習）／LDA（第10章　クラスター分析）など