第1章　現代社会におけるデータサイエンス
　1.1　データサイエンスの役割
　　1.1.1　ビッグデータの時代とデータサイエンス
　　1.1.2　資源としてのデータ
　　1.1.3　現代のそろばんとしてのデータサイエンスとAI (人工知能)
　　1.1.4　求められるデータサイエンティスト
　1.2　データサイエンスと情報倫理
　　1.2.1　デジタル社会の光と影
　　1.2.2　倫理・法律・社会的含意(ELSI)
　　1.2.3　個人情報保護
　　1.2.4　情報セキュリティ
　　1.2.5　情報の適正な利用
　　1.2.6　情報利用の死角
　　1.2.7　AI社会の論点
　1.3　データ分析のためのデータの取得と管理
　　1.3.1　データ分析の対象や目的の設定
　　1.3.2　データの形
　　1.3.3　データの容量
　　1.3.4　大規模なデータの利用
　　1.3.5　データの取得方法
　　1.3.6　データの前処理
第2章　データ分析の基礎
　2.1　ヒストグラム・箱ひげ図・平均値と分散
　　2.1.1　ヒストグラム
　　2.1.2　箱ひげ図
　　2.1.3　平均値と分散
　2.2　散布図と相関係数
　　2.2.1　2つの量のデータ
　　2.2.2　散布図
　　2.2.3　相関係数
　2.3　回帰直線
　　2.3.1　回帰直線と最小二乗法
　　2.3.2　目的変数の散らばり(変動)と決定係数
　2.4　データ分析で注意すべき点
　　2.4.1　相関関係と因果関係
　　2.4.2　観察研究と実験研究
　　2.4.3　標本調査
　　2.4.4　適切なグラフの使い方
第3章　データサイエンスの手法
　3.1　クロス集計
　3.2　回帰分析
　　3.2.1　線形回帰
　　3.2.2　結果の見方の例——平均寿命と喫煙
　　3.2.3　外れ値の影響
　　3.2.4　逆回帰
　　3.2.5　主成分分析による説明変数の合成
　　3.2.6　ロジスティック回帰分析
　3.3　ベイズ推論
　　3.3.1　ベイズの定理
　　3.3.2　ベイズ推論の応用例——迷惑メールの検出
　3.4　アソシエーション分析
　3.5　クラスタリング
　　3.5.1　距離とクラスタリング
　　3.5.2　階層クラスタリング
　　3.5.3　非階層クラスタリング：k-means法
　3.6　決定木
　　3.6.1　決定木の例
　　3.6.2　決定木の作り方
　3.7　ニューラルネットワーク
　　3.7.1　ニューラルネットワークの考え方
　　3.7.2　簡単なニューラルネットワークの例
　3.8　機械学習とAI (人工知能)
　　3.8.1　機械学習とAIの進展
　　3.8.2　ニューラルネットワークにおける学習
　　3.8.3　教師あり学習と教師なし学習
　　3.8.4　過学習
　　3.8.5　AI (人工知能)の隆盛
第4章　Excelによるデータ分析
　4.1　基本統計量とヒストグラム・箱ひげ図
　　4.1.1　データの取得
　　4.1.2　基本的な統計量の計算
　　4.1.3　度数分布表とヒストグラムの作成
　　4.1.4　箱ひげ図と四分位点を求める関数
　4.2　散布図と相関係数・回帰直線
　　4.2.1　データの取得
　　4.2.2　散布図の作成と回帰直線の追加
　　4.2.3　相関係数などの統計量の算出
　4.3　Excelやオープンデータ公開方法の変化
第5章　データサイエンス教育と社会への応用事例
　5.1　国家戦略
　　5.1.1　AI戦略2019に至った経緯
　　5.1.2　「AI戦略2019」の概要
　　5.1.3　数理・データサイエンス・AI教育プログラム
　5.2　公共分野
　　5.2.1　社会基盤整備
　　5.2.2　防災対策と災害対応
　　5.2.3　安全・安心な生活のための施策
　5.3　企業経営分野
　　5.3.1　人的資源管理
　　5.3.2　生産管理
　　5.3.3　品質管理
　　5.3.4　財務管理
　5.4　健康分野
　　5.4.1　献立作成アプリ
　　5.4.2　健康栄養分野の調査研究
　5.5　スポーツ分野
　　5.5.1　スポーツテック
　　5.5.2　IoTやAIを活用した体操競技採点システム
　　5.5.3　デジタルヘルス
　　5.5.4　日常生活の調査
第6章　より進んだ学習のために