第1 章 一無所知的魔鏡
1-1 王後與魔鏡的齣場 2
1-2 嘗試機器學習 6
知識專欄 什麼是機器學習 9
1-3 數據是機器學習的條件 10
知識專欄 機器的自己學習 13
第2 章 美麗的秘訣
2-1 魔鏡的迴答 15
知識專欄 數學的重要性 19
2-2 挑戰迴歸問題 20
知識專欄 機器能和人一樣嗎？ 26
2-3 描述美麗程度的函數 27
知識專欄 機器學習的老師 36
第3 章 挑戰優解
3-1 學習熱情高漲的王後 38
知識專欄 要善於學習好的算法 48
3-2 模型的力量 49
知識專欄 訓練用數據和測試用數據 53
3-3 尋找新的特徵量 54
知識專欄 函數的復雜性 61
3-4 人工神經網絡 62
知識專欄 大腦的信息處理機能 65
第4 章 挑戰深度學習
4-1 多層神經網絡 67
知識專欄 深度學習的提齣 75
4-2 防止過度學習 76
知識專欄 要戰勝過度學習 80
4-3 批量學習與在綫學習 81
知識專欄 概率梯度下降法 91
第5 章 預測未來
5-1 魔鏡的識彆能力 93
5-2 尋找邊界條件 95
知識專欄 支持嚮量機的通用性 101
5-3 數據可以分割到什麼程度？ 102
知識專欄 能夠實現空間變形的內核法 106
5-4 填補空數據 107
知識專欄 數據的由來 114
5-5 挖掘數據中的本質 115
知識專欄 簡潔性與人的直覺 121
第6 章 無所不能的魔鏡
6-1 圖像數據的重要性 123
知識專欄 磁鐵也能機器學習？ 125
6-2 基於玻爾茲曼機器學習的圖像處理方法 126
知識專欄 機器學習和統計力學 141
6-3 獲取更加復雜的特徵 142
知識專欄 變分原理 147
6-4 多彩世界中的隱含變量 148
知識專欄 數據的采集 154
6-5 尋找復雜數據的本質 155
知識專欄 Hinton的故事 166
第7 章 看臉識美人
7-1的魔鏡 168
7-2 原來魔鏡是這樣工作的 179
魔鏡的製作方法（參考書籍） 185
後序 192
· · · · · · (收起)