化学のための Pythonによるデータ解析・機械学習入門 （改訂２版）

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。化学・化学工学分野でPythonを使って機械学習を行うための入門書本書は、化学・化学工学分野でPythonを使って機械学習を行うための入門書です。これまでに蓄積してきた実験／製造データをデータ解析・機械学習を用いて分析することで、いままでとはまったく別のアプローチで材料開発を加速させたり、プロセス管理を効率化・安定化させたりすることができます。なぜなら、実験や製造データは、目に見えない、研究者・技術者の知識・知見・経験・勘の宝庫だからです。そして、データ解析・機械学習を用いることで、これらを目に見える形にすることができるからです。読者が一から実践できるよう、Pythonのインストール方法、データ解析・機械学習の基本理論から、材料設計、分子設計、プロセス管理について実際にサンプルプログラムとサンプルデータセットを使った実践までを丁寧に解説しています。第1部　Python と統計の基礎知識第1章　Pythonの基礎1.1　Pythonの使い方1.2　データセットの読み込み・保存第2章　データの図示2.1　ヒストグラム2.2　箱ひげ図2.3　散布図2.4　相関行列第2部　データ解析・機械学習の基礎第3章　多変量データとデータの可視化3.1　多変量データ3.2　データの前処理3.3　主成分分析（Principal Component Analysis：PCA）3.4　階層的クラスタリング3.5　［発展］非線形の可視化手法：t-distributed Stochastic Neighbor Embedding（t-SNE）第4章　化学データを用いたモデリング4.1　回帰分析（regression analysis）4.2　クラス分類（classication）第5章　回帰モデル・クラス分類モデルの適用範囲5.1　モデルの適用範囲（Applicability Domain：AD）とは？5.2　データ密度5.3　アンサンブル学習法（Ensemble learning）第3部　化学・化学工学データでの実践のしかた第6章　材料設計，分子設計，医薬品設計6.1　材料設計6.2　分子設計，医薬品設計6.3　化学構造の表現方法6.4　化合物群の扱い6.5　化学構造の数値化6.6　化学構造の生成6.7　化合物のデータセットを扱うときの注意点6.8　具体的なデータセットを用いた解析第7章　時系列データの解析7.1　化学プラントにおける推定制御・ソフトセンサー7.2　時系列データ解析の特徴7.3　モデルの劣化と適応型ソフトセンサー（Adaptive Soft Sensor）7.4　データ解析・機械学習による化学プラントのプロセス管理（異常検出，異常診断）第8章　Datachemical LABを用いた化学・化学工学のデータ解析・機械学習8.1　Datachemical LAB8.2　材料設計8.3　分子設計8.4　適応型ソフトセンサー8.5　Datachemical LAB による材料設計・分子設計・プロセス設計・プロセス管理