Pythonで学ぶ実験計画法入門 ベイズ最適化によるデータ解析
- 電子あり
内容紹介
おすすめの本
-
電子あり
プログラミング〈新〉作法 これからプログラムを書く人のために
-
電子あり
実践Data Scienceシリーズ ゼロからはじめるデータサイエンス入門 R・Python一挙両得
-
電子あり
ビギナーズ・ラボ
-
電子あり
セラミックス科学 基礎から応用まで
-
電子あり
なぞとき 宇宙と元素の歴史
-
電子あり
実践Data Scienceシリーズ PythonではじめるKaggleスタートブック
-
電子あり
はじめての現代制御理論 改訂第2版
-
スワロウテイルの消失点 法医昆虫学捜査官
-
電子あり
物理のためのデータサイエンス入門
-
電子あり
ゲルの科学
-
OpenCVによる画像処理入門
-
電子あり
なぞとき 深海1万メートル 暗黒の「超深海」で起こっていること
目次
第1章 データ解析や機械学習を活用した分子設計・材料設計・プロセス設計・プロセス管理
1.1 ケモ・マテリアルズ・プロセスインフォマティクス
1.2 分子設計
1.3 材料設計
1.4 なぜベイズ最適化が必要か
1.5 プロセス設計
1.6 プロセス管理
1.7 データ解析・人工知能(モデル)の本質
第2章 実験計画法
2.1 なぜ実験計画法か
2.2 実験計画法とは
2.3 適応的実験計画法
2.4 必要となる手法・技術
第3章 データ解析や回帰分析の手法
3.1 データセットの表現
3.2 ヒストグラム・散布図の確認
3.3 統計量の確認
3.4 特徴量の標準化
3.5 最小二乗法による線形重回帰分析
3.6 回帰モデルの推定性能の評価
3.7 非線形重回帰分析
3.8 決定木
3.9 ランダムフォレスト
3.10 サポートベクター回帰
3.11 ガウス過程回帰
第4章 モデルの適用範囲
4.1 モデルの適用範囲とは
4.2 データ密度
4.3 アンサンブル学習
第5章 実験計画法・適応的実験計画法の実践
5.1 実験候補の生成
5.2 実験候補の選択
5.3 次の実験候補の選択
5.4 ベイズ最適化
5.5 化学構造を扱うときはどうするか
第6章 応用事例
6.1 複雑な非線形関数を用いた実験計画法・適応的実験計画法の実践
6.2 分子設計
6.3 材料設計
6.4 プロセス設計
第7章 さらなる深みを目指すために
7.1 Gaussian Mixture Regression(GMR)
7.2 GMR-Based Optimization(GMRBO)(GMRに基づく適応的実験計画法)
7.3 複雑な非線形関数を用いたGMRBOの検証
第8章 数学の基礎・Anaconda・Spyder
8.1 行列やベクトルの表現・転置行列・逆行列・固有値分解
8.2 最尤推定法・正規分布
8.3 確率・同時確率・条件付き確率・確率の乗法定理
8.4 AnacondaとRDKitのインストール・Spyderの使い方
製品情報
製品名 | Pythonで学ぶ実験計画法入門 ベイズ最適化によるデータ解析 |
---|---|
著者名 | 著:金子 弘昌 |
発売日 | 2021年06月07日 |
価格 | 定価:3,300円(本体3,000円) |
ISBN | 978-4-06-523530-0 |
判型 | B5変型 |
ページ数 | 188ページ |
関連シリーズ
-
イラストで学ぶ ヒューマンインタフェース
-
教養としてのデータサイエンス
-
ことばの意味を計算するしくみ
-
データサイエンスはじめの一歩
-
転移学習
-
応用基礎としてのデータサイエンス
-
詳解 3次元点群処理
-
入門講義 量子コンピュータ
-
現場で活用するための機械学習エンジニアリング
-
Juliaで作って学ぶベイズ統計学
-
はじめての機械学習
-
ディープラーニング 学習する機械
-
これならわかる機械学習入門
-
絵でわかるネットワーク
-
絵でわかるサイバーセキュリティ
-
Pythonで学ぶ強化学習
-
統計モデルと推測
-
スタンフォード ベクトル・行列からはじめる最適化数学
-
データサイエンスの基礎
-
イラストで学ぶディープラーニング
-
テキスト・画像・音声データ分析
-
データサイエンスのためのデータベース
-
ベイズ深層学習
-
コンパクトデータ構造
-
しっかり学ぶ数理最適化
-
Raspberry Piではじめる機械学習
-
マスターアルゴリズム 世界を再構築する「究極の機械学習」
-
今度こそわかる量子コンピューター
-
絵でわかるスーパーコンピュータ
-
ベイズ推論による機械学習入門
-
これならわかる深層学習入門
-
情報メディア論
-
イラストで学ぶ 音声認識
-
イラストで学ぶ 機械学習 最小二乗法による識別モデル学習