I　プログラミング基礎編
　第1章　食農データサイエンスとR
　　1　なぜRなのか
　　2　本書の構成
　第2章　Rプログラミング基礎
　　1　はじめに：事前準備
　　2　プログラミング基礎
　　3　日本語を含むデータのファイルからの読み込み
　　4　箱ひげ図
　　5　cvsファイルからの入力
　　6　ベクトルの特徴
　　7　rep()，seq()，unique()，length()，order()，sort()
　　8　集合に関わる演算子
　　9　リストの特徴
　　10　行列
　　11　関数を定義する
　　12　apply系関数
　　13　apply()関数
　　14　tapply()関数
　　15　lappy()関数とsapply（）関数
　　16　mapply()関数
　　17　ヒストグラム
　　18　散布図
　第3章　連続分布による統計学
　　1　はじめに
　　2　推測統計学とは
　　3　平均値と不偏分散（標準偏差）
　　4　正規分布
　　5　t分布
　　6　χ2分布
　　7　F分布
　第4章　離散分布による統計学
　　1　はじめに
　　2　数学的準備
　　3　二項分布，二項検定
　　4　二項分布，二項検定（サイコロで復習）
　　5　二項分布，二項検定の活用例：符号検定（n≤25）
　　6　符号検定（n>25）
　　7　超幾何分布
　　8　独立性の検定
　　9　ポアソン分布
　　10　Wilcoxon符号付き順位和検定：対応がある2群の検定
　　11　Wilcoxon順位和検定：対応がない2群の検定
　　12　統計検定のまとめ
Ⅱ　実践編
　第5章　食品分析の統計学
　　1　はじめに
　　2　室内精度の推定
　　3　内部精度管理（内部品質管理）
　　4　モンテカルロシミュレーションによる不確かさの推定
　第6章　コーヒーのデータサイエンス：主成分分析、最適クラスター数、多重性検定
　　1　はじめに
　　2　教師なし学習（unsupevised Learning）
　　3　主成分分析法
　　4　散布図の作成法：plot()，points()，text()
　　5　クラスター分析（階層法，凝集法）
　　6　多重検定
　　7　無香料と香料コーヒーの違いを考察する
　　8　最適クラスターの推定：k平均法とギャップ統計量の活用
　　9　総合的考察
　第7章　棒茶のデータサイエンス：機械学習を中心に
　　1　はじめに
　　2　棒茶データ
　　3　特徴抽出
　　4　PCA
　　5　教師あり学習（分類問題）
　　6　caretパッケージ
　　7　線形判別分析法（Linear Discriminant Analysis）
　　8　k最近隣法（kNN法）
　　9　決定木（Decision Tree）
　　10　アンサンブル学習：バギング，ランダムフォーレスト，ブースティング
　　11　総合的考察
　第8章　おわりに
　　1　分析結果を生産するラボに求められる管理と統計処理
　　2　食品の安全を守るための行政データの活用
　　3　若い世代のデータサイエンティストへの期待
　　4　地方固有の希少食材からその魅力を発掘するデータサイエンス