Pythonではじめるマテリアルズインフォマティクス
木野 日織
近代科学社Digital本書はPythonを使ったマテリアルズインフォマティクスの方法を習得するため、1．scikit-learnの使い方を学ぶ、2．プログラミングによるデータ解析手法を知る、3．帰納法の考え方に慣れる、という三つの目的から構成されています。
【注意】本書のEPUB版は固定レイアウト型になっております。文字の大きさの変更や検索、引用などはお使いいただけません。画面の大きい端末でご利用ください。
書籍情報
著者: 木野 日織
共著者: , ダム ヒョウ チ
発行日: 2022-09-23
最終更新日: 2023-12-01
バージョン: 1.1.0
ページ数: 194ページ(PDF版換算)ページ
対応フォーマット: PDF, EPUB
出版社: 近代科学社Digital
対象読者
マテリアルズ・インフォマティクス,マテリアルインフォマティクス,機械学習,深層学習,Jupyter Notebook,有機化学,無機化学,回帰分析,クラスタリング,次元圧縮,トモグラフ,ベイズ最適化,scikit-learnに興味がある人
著者について
1991年 東京大学理学部物理学科卒
1996年 東京大学大学院理学系研究科博士課程卒（理学博士）
1996年 東京大学物性研究所物性理論部門助手などを経て 2002 年から（国）物質・材料研究機構に勤務する．
2015年からの国立研究開発法人科学技術振興機構（JST）イノベーションハブ構築支援事業の一環として（国）物質・材料研究機構に情報統合型物質・材料開発イニシアティブ (MI2I) 発足時からデータマイニングを行う．データ駆動 AI では物性物理の知識を活かした説明・解釈可能な AI 技術，第一原理計算によるデータ生成，そのための知識駆動 AI 技術などに興味を持つ．
目次
第1章 理論編
- 1.1 予測問題
- 1.2 データ解析学手法の紹介
- 1.3 回帰・分類モデルの性能評価
- 1.4 データ解析学手法の四過程
- 1.5 説明変数の特徴の見い出し方
- 1.6 予測問題（再び）
- 1.7 新帰納法の世界
- 1.8 新帰納法のフローチャート
第2章 準備編
- 2.1 可視化可能なPythonインタラクティブ環境
- 2.2 Python環境のインストール
- 2.3 サンプルスクリプトとデータファイルの取得とインストール
- 2.4 物質データ
- 2.5 事前準備
第3章 基礎編
- 3.1 はじめに
- 3.2 回帰
- 3.3 次元圧縮
- 3.4 分類
- 3.5 クラスタリング
第4章 応用編1（等長説明変数)
- 4.1 はじめに
- 4.2 次元圧縮を併用したクラスタリング
- 4.3 トモグラフ像の復元
- 4.4 説明変数重要性の定量評価
- 4.5 モデル全探索による回帰モデル評価
- 4.6 ベイズ最適化
- 4.7 次元圧縮を利用した推薦システム
第5章 応用編2（非等長説明変数）
- 5.1 はじめに
- 5.2 頻出パターンマイニング
- 5.3 証拠理論