PART I 데이터 과학 소개
CHAPTER 1 데이터 과학 프로세스
1.1 데이터 과학 프로젝트에서의 역할
1.2 데이터 과학 프로젝트의 단계
1.3 기대치 설정
1.4 요약

CHAPTER 2 R 프로그램에 데이터 적재하기
2.1 파일에 있는 데이터 다루기
2.2 관계형 데이터베이스를 이용하여 작업하기
2.3 요약

CHAPTER 3 데이터 탐색하기
3.1 통계 요약치를 이용하여 문제 파악하기
3.2 그래프와 시각화를 통해 문제 제거하기
3.3 요약

CHAPTER 4 데이터 관리
4.1 데이터 정리하기
4.2 모델링과 데이터 유효성 검증을 위한 샘플링
4.3 요약

PART II 모델링 기법
CHAPTER 5 모델 선택과 평가
5.1 머신러닝 과제에 문제 매핑하기
5.2 모델 평가
5.3 모델 검증하기
5.4 요약

CHAPTER 6 메모라이제이션 128
6.1 KDD와 KDD 컵 2009
6.2 단일변수 모델 구축하기
6.3 다항변수를 이용하여 모델 구축하기
6.4 요약

CHAPTER 7 선형 회귀와 로지스틱 회귀
7.1 선형 회귀 사용하기
7.2 로지스틱 회귀 사용하기
7.3 요약

CHAPTER 8 비지도 방법론
8.1 클러스터 분석
8.2 연관 규칙
8.3 요약

CHAPTER 9 고급 탐색법
9.1 배깅과 랜덤 포레스트를 이용하여 훈련 분산 감소시키
9.2 일반화 가법 모델로 비단조 관계 학습하기
9.3 데이터 분리를 증가시키기 위해 커널 메서드 사용하기
9.4 서포트 벡터 머신으로 복잡한 결정 경계 모델링하기
9.5 요약

PART III 산출물 배포
CHAPTER 10 문서화와 배포
10.1 버즈 데이터셋
10.2 knitr을 사용하여 마일스톤 문서 만들기
10.3 실행 문서를 위한 주석과 버전 관리 사용하기
10.4 모델 배포하기
10.5 요약

CHAPTER 11 효과적인 발표 자료 만들기
11.1 프로젝트 스폰서에게 결과 발표하기
11.2 최종 사용자에게 프레젠테이션하기
11.3 동료 데이터 과학자에게 작업 결과 프레젠테이션하기
11.4 요약

APPENDIX A R과 기타 도구로 작업하기
A.1 도구 설치하기
A.2 R 시작하기
A.3 R로 데이터베이스 사용하기

APPENDIX B 중요한 통계적 개념
B.1 분산
B.2 통계 이론
B.3 데이터 통계 보기

APPENDIX C 데이터 탐색을 위한 더 많은 도구와 아이디어
C.1 더 많은 도구
C.2 기타 아이디어