CHAPTER 1 소개
1.1 예시: 다항식 곡선 피팅
1.2 확률론
1.3 모델 선택
1.4 차원의 저주
1.5 결정 이론
1.6 정보 이론

CHAPTER 2 확률 분포
2.1 이산 확률 변수
2.2 다항 변수
2.3 가우시안 분포
2.4 지수족
2.5 비매개변수적 방법

CHAPTER 3 선형 회귀 모델
3.1 선형 기저 함수 모델
3.2 편향 분산 분해
3.3 베이지안 선형 회귀
3.4 베이지안 모델 비교
3.5 증거 근사

CHAPTER 4 선형 분류 모델
4.1 판별 함수
4.2 확률적 생성 모델
4.3 확률적 판별 모델
4.4 라플라스 근사
4.5 베이지안 로지스틱 회귀

CHAPTER 5 뉴럴 네트워크
5.1 피드 포워드 네트워크 함수
5.2 네트워크 훈련
5.3 오차 역전파
5.4 헤시안 행렬
5.5 뉴럴 네트워크에서의 정규화
5.6 혼합 밀도 네트워크
5.7 베이지안 뉴럴 네트워크

CHAPTER 6 커널 방법론
6.1 듀얼 표현
6.2 커널의 구성
6.3 방사 기저 함수 네트워크
6.4 가우시안 과정

CHAPTER 7 희박한 커널 머신
7.1 최대 마진 분류기
7.2 상관 벡터 머신

CHAPTER 8 그래프 모델
8.1 베이지안 네트워크
8.2 조건부 독립
8.3 마르코프 무작위장
8.4 그래프 모델에서의 추론

CHAPTER 9 혼합 모델과 EM
9.1 K 평균 집단화
9.2 혼합 가우시안
9.3 EM에 대한 다른 관점
9.4 일반적 EM 알고리즘

CHAPTER 10 근사 추정
10.1 변분적 추론
10.2 예시: 변분적 가우시안 혼합 분포
10.3 변분적 선형 회귀
10.4 지수족 분포
10.5 지역적 변분 방법론
10.6 변분적 로지스틱 회귀
10.7 EP

CHAPTER 11 표집법
11.1 기본적인 표집 알고리즘
11.2 마르코프 연쇄 몬테 카를로
11.3 기브스 표집법
11.4 조각 표집법
11.5 하이브리드 몬테 카를로 알고리즘
11.6 분할 함수 추정

CHAPTER 12 연속 잠재 변수
12.1 PCA
12.2 확률적 PCA
12.3 커널 PCA
12.4 비선형 잠재 변수 모델

CHAPTER 13 순차 데이터
13.1 마르코프 모델
13.2 은닉 마르코프 모델
13.3 선형 동적 시스템

CHAPTER 14 모델 조합
14.1 베이지안 모델 평균
14.2 위원회 방식
14.3 부스팅
14.4 트리 기반 모델
14.5 조건부 혼합 모델

부록 A. 데이터 집합
손글씨 숫자
오일 흐름
오래된 믿음
합성 데이터

부록 B. 확률 분포
베르누이 분포
베타 분포
이항 분포
디리클레 분포
감마 분포
가우시안 분포
가우시안 감마 분포
가우시안 위샤트 분포
다항 분포
정규 분포
스튜던트 t 분포
균등 분포
폰 미제스 분포
위샤트 분포

부록 C. 행렬의 성질
기본 행렬 성질
대각합과 행렬식
행렬 미분
고윳값 공식

부록 D. 변분법

부록 E. 라그랑주 승수법