1Waarom ik dit boek geschreven heb
16Basisbegrippen
2Dit boek gaat niet over het coderen van algoritmen voor machinaal leren
17Populaire algoritmetypen
3Hoofdstuk 1. Wat is machinaal leren?
18Wat er nodig is om een nieuw algoritme te schrijven
4Expliciet programmeren versus algoritme-training
19Hoofdstuk 4 Een algoritme trainen en inzetten
5Definities: kunstmatige intelligentie versus machinaal leren versus neurale netwerken
20Betrokken programmering
6Basisbegrippen
21Statisch versus dynamisch
7Begeleid versus onbewaakt leren
22Afstemmen en feature-engineering
8Welke problemen kan machinaal leren oplossen?
23Een algoritme weggooien
9De zwarte doos: wat we niet over machinaal leren weten
245. Probleemoplossing Real-world toepassingen van machinaal leren
10Dieper gaand
25Vervoer
11Hoofdstuk 2. Datasets opschonen, labelen en beheren
26Productaanbevelingen
12De dataset opschonen
27Financiering
13Zeer grote datasets nodig voor ML
28Spraakassistenten, slimme huizen en auto's
14Moet goed worden geëtiketteerd
29Conclusie
15Hoofdstuk 3. Een ML-algoritme kiezen of schrijven
30Bitcoin Whales-bonusboek
