01 시작하기
1 책의 내용 미리보기
2 책의 구성 살펴보기
3 이 책은 누구를 위한 책인가?
4 머신러닝을 위한 준비물: 파이썬(Python)

02 머신러닝 개요
1 머신러닝이란?
2 머신러닝의 작동 원리
3 머신러닝 프로세스

03 회귀
1 선형회귀모델링
2 선형회귀모델 평가하기
3 다른 특징들도 고려하기
4 회귀모델의 응용 사례
5 회귀모델 프로세스 이해하기

04 회귀모델 실습: 집 가격 예측하기
1 문제 정의하기
2 라이브러리 불러오기
3 데이터 수집하기
4 데이터 탐색하기
5 모델링하기

05 지도학습과 분류
1 분류기로 배우는 지도학습
2 선형분류기
3 결정경계
4 모델 평가하기
5 분류모델 프로세스 이해하기

06 지도학습/분류 실습: 레스토랑 리뷰 분류하기
1 문제 정의하기
2 라이브러리 불러오기
3 데이터 수집하기
4 데이터 탐색하기
5 전처리하기
6 모델링하기
7 성능 평가하기

07 비지도학습/클러스터링
1 문서 검색
2 문서 유사도 검색을 위한 방법론
3 유사한 문서 검색하기
4 클러스터링 모델
5 클러스터링 프로세스 이해하기

08 비지도학습/클러스터링 실습: 쇼핑몰 고객 그룹핑하기
1 문제 정의하기
2 라이브러리 불러오기
3 데이터 수집하기
4 데이터 탐색하기
5 전처리하기
6 모델링하기

09 추천
1 상품추천
2 개인화
3 분류 방법에 의한 추천시스템
4 협업 필터링에 의한 추천시스템
5 행렬 분해 기반의 추천시스템
6 추천시스템 평가하기
7 추천시스템 프로세스 이해하기

10 추천 실습: 사용자 맞춤 영화 추천하기
1 문제 정의하기
2 라이브러리 불러오기
3 데이터 수집하기
4 데이터 탐색하기
5 전처리하기
6 모델링하기

11 Case Studies
Case Study 1: 야구장 관중 수 예측하기
1 문제 정의하기
2 라이브러리 불러오기
3 데이터 수집하기
4 데이터 탐색하기
5 데이터 전처리
6 모델링하기
7 모델 예측 결과 및 성능 평가
Case Study 2: 전기 에너지 소비량 예측
1 문제 정의하기
2 라이브러리 불러오기
3 데이터 수집하기
4 데이터 탐색하기
5 데이터 전처리
6 모델링하기
7 모델 예측 결과 및 성능 평가

부록 299
1 결정 트리(Decision Tree)
2 랜덤 포레스트(Random Forest)
3 에이다 부스트(Adaptive Boosting, AdaBoost)
4 그래디언트 부스팅 머신(Gradient Boosting Machine, GBM)
5 XGBoost(eXtreme Gradient Boosting)
6 LightGBM(Light Gradient Boosting Machine)