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

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

通常

pt

dカード利用でさらにポイント+2%

対応端末

  • PCブラウザ

    PCブラウザ

  • Android(スマホ / タブレット)

    Android
    (スマホ /
    タブレット)

  • iPhone / iPad

    iPhone /
    iPad

新刊アプリ通知を受け取る

作品をシェアする

あらすじ

★ 実験を効率化する強い味方 ★もう実験で疲弊しない。次に試す実験条件は、データと統計学が教えてくれる!ベイズ最適化とPythonを駆使して、効率よく研究・開発を進めよう!《すぐに試せるサンプルデータセット・サンプルコード付き》■ データ解析の初歩から、モデルの設計、実践的な応用事例までを導く。■ 実験時間や人数が限られる今、絶対に役立つスキルが身につく!■ 入門書であり、実践書。フルカラー!【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・ケモ・マテリアルズ・プロセスインフォマティクス・分子設計・材料設計・なぜベイズ最適化が必要か・プロセス設計・プロセス管理・データ解析・人工知能(モデル)の本質第2章 実験計画法・なぜ実験計画法か・実験計画法とは・適応的実験計画法・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・データセットの表現・ヒストグラム・散布図の確認・統計量の確認・特徴量の標準化・最小二乗法による線形重回帰分析・回帰モデルの推定性能の評価・非線形重回帰分析・決定木・ランダムフォレスト・サポートベクター回帰・ガウス過程回帰第4章 モデルの適用範囲・モデルの適用範囲とは・データ密度・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・実験候補の生成・実験候補の選択・次の実験候補の選択・ベイズ最適化・化学構造を扱うときはどうするか第6章 応用事例・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・分子設計・材料設計・プロセス設計第7章 さらなる深みを目指すために・Gaussian Mixture Regression(GMR)・GMR-Based Optimization(GMRBO)(GMRに基づく適応的実験計画法)・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・行列やベクトルの表現・転置行列・逆行列・固有値分解・最尤推定法・正規分布・確率・同時確率・条件付き確率・確率の乗法定理・AnacondaとRDKitのインストール・Spyderの使い方

商品情報

シリーズ

全1冊

|

作品をシェアする

同じ作者の本

講談社のおすすめ本

科学・テクノロジーのおすすめ本