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
- 国立国会図書館請求記号
- MA214-M8
- 国立国会図書館書誌ID
- 031459874
資料詳細
要約等：
- ベイズ最適化とＰｙｔｈｏｎを駆使して効率よくデータ収集する。データ解析の初歩から応用事例まで、絶対に役立つスキルが身につく！（提供元: 出版情報登録センター（JPRO））
著者紹介：
- 金子 弘昌 明治大学理工学部応用化学科准教授。 2011年に東京大学大学院工学系研究科化学システム工学専攻博士課程を修了。博士（工学）。東京大学大学院工学系研究科助教を経て、2017年より現職。広島大学大学院先進理工系科学研究科客員准教授（併任）、大阪大学大学院基礎工学研究科招聘准教授（併任）、理化...
書店で探す
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
全国の図書館の所蔵
国立国会図書館以外の全国の図書館の所蔵状況を表示します。
所蔵のある図書館から取寄せることが可能かなど、資料の利用方法は、ご自身が利用されるお近くの図書館へご相談ください
関東
埼玉県立久喜図書館
紙- 請求記号：
- 417.7-ﾊｲ
- 図書登録番号：
- 103366704
千葉県立西部図書館
紙- 請求記号：
- 4307/ 30/
- 図書登録番号：
- 1102616606
東京都立中央図書館
紙- 請求記号：
- 417.7-5017-2021
- 図書登録番号：
- 7114352412
横浜市立図書館
紙- 請求記号：
- 417
- 図書登録番号：
- 2070999903
近畿
滋賀県立図書館
紙- 請求記号：
- G-4307-ｶ
- 図書登録番号：
- 144892411
書店で探す
出版書誌データベース 
から購入できる書店を探す
『Books』は各出版社から提供された情報による出版業界のデータベースです。 現在入手可能な紙の本と電子書籍を検索することができます。
別の方法で探す
書誌情報
この資料の詳細や典拠（同じ主題の資料を指すキーワード、著者名）等を確認できます。
- 資料種別
- 図書
- ISBN
- 978-4-06-523530-0
- タイトルよみ
- パイソン デ マナブ ジッケン ケイカクホウ ニュウモン : ベイズ サイテキカ ニ ヨル データ カイセキ
- 著者・編者
- 金子弘昌 著
- 出版事項
- 出版年月日等
- 2021.6
- 出版年（W3CDTF）
- 2021
- 数量
- 175p