１． 機械学習の基礎

（１）．機械学習とは

　　　ａ．多変量解析やデータマイニングとの関係

　　　ｂ．機械学習でできること

　　　ｃ．汎化能力とモデル

　　　ｄ．次元の呪い

　　　ｅ．正則化

（２）．機械学習の最新動向

　　　ａ．スパースモデリング

　　　ｂ．ベイズモデリング

　　　ｃ．機械学習と最適化

２．機械学習の基本手順

（１）．データ解析の手順

　　　ａ．データ可視化

　　　ｂ．予測

　　　ｃ．いろいろな正則化

 （２）．情報抽出の方法

　　　ａ．行列分解

　　　ｂ． 欠損値の補完

　　　ｃ．クラスタリング

　　　ｄ．異常値検出

（３）．パターン識別の基礎

　　　ａ．教師データの作り方

　　　ｂ．いろいろなパターン認識法

３．モデル化の効率化

（１）．ベイズモデリング

　　　ａ．ナイーブベイズ法

　　　ｂ．ベイジアンネットワーク

　　　ｃ．ベイズ推論アルゴリズム

（２）．カーネル法

　　　ａ．ガウス過程回帰

　　　ｂ．サポートベクトルマシン

（３）．アンサンブル学習と転移学習

（４）．ディープラーニング

　　　ａ．ニューラルネットワークの基礎

　　　ｂ．ディープラーニングの活用法と問題点

（５）．強化学習の基礎

（６）．状態空間モデリングによる時系列解析

４．機械学習と最適化

（１）．マルコフ連鎖モンテカルロ法による最適化

（２）．ベイズ最適化による実験計画の最適化

５．機械学習の活用・例

　・製造現場で遭遇する最適化問題への適用例、他