Rではじめるケモ・マテリアルズインフォマティクス プログラミング・ノックで基礎を完全習得
高田 章
近代科学社本書は新化学技術推進協会で開催されている「化学×デジタル人材育成講座」の講義資料を基に、ものづくりの現場において役立つRプログラミングを習得することを目指して構成されている。
【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: 高田 章
共著者: , 金谷 重彦, 牛島 知彦, 福井 祥文, 小野 直亮
発行日: 2022-07-30
最終更新日: 2022-07-30
バージョン: 1.0.0
ページ数: 386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
対象読者
ケモインフォマティクス,マテリアルズインフォマティクス,R,プログラミング,データサイエンス,機械学習,深層学習,強化学習,統計,検定,ポアソン分布,二項分布,カイ二乗分布,ノンパラメトリック分布,相関係数,回帰分析,正則化,最小二乗法,教師あり学習,教師なし学習に興味がある人
著者について
東京大学工学部計数工学科卒，ロンドン大学University College London (UCL) PhD 取得
現在，ロンドン大学UCL 特任教授，愛媛大学大学院理工学研究科客員教授，日本学術会議連携会員，新化学技術推進協会技術顧問，英国ガラス協会フェロー，日本応用数理学会フェロー
専門分野：応用数理，計算物質科学
著書：「高校生のための東大授業ライブー学問からの挑戦」東京大学出版会(2015)（分担執筆），「ナノマテリアル工学体系ニューセラミックス・ガラス」フジ・テクノシステム(2005)（分担執筆），“Encyclopedia of Glass Science, Technology, History and Culture”, Wiley (2021)（編集・分担執筆），“Teaching Glass Better” Cyan (2018)（編集・分担執筆）他
目次
第I部 準備
第1章 ケモ・マテリアルズ・インフォマティクス事始め
- 1.1 ケモ・マテリアルズ・インフォマティクスとは？
- 1.2 R プログラミングを活用できる場面
- 1.3 R 言語とプラットフォームのインストール
第2章 データハンドリング〜Rプログラミングの基礎事項〜
- 2.1 事前学習
- 2.2 外部ファイルとの間のデータの入出力
- 2.3 ベクトル・行列・リストの操作と応用
- 2.4 グラフィックスを用いたデータの可視化
- 2.5 まとめ
第II部 統計・検定
第3章 離散型データ（計数データ）の分析
- 3.1 事前学習
- 3.2 二項分布とそれを利用した検定
- 3.3 超幾何分布とそれを利用した検定
- 3.4 ポアソン分布
- 3.5 まとめ
第4章 連続型データ（計量データ）の分析
- 4.1 事前学習
- 4.2 正規分布の特性と応用
- 4.3 カイ二乗分布の特性と応用
- 4.4 t 分布の特性と応用
- 4.5 t 分布を利用した2 組のデータの比較
- 4.6 ノンパラメトリック統計検定
- 4.7 分割表を利用した独立性の検定・適合性の検定
- 4.8 サンプル数に応じた検定手法の選択
- 4.9 まとめ
第III部 機械学習で始めるデータマイニング—データに潜む相互関係を見つけ予測・発見につなげよう—
第5章 データに潜む類似度・距離の分析—相関・距離・クラスターの視点から—
- 5.1 事前学習
- 5.2 相関分析
- 5.3 主成分分析・多次元尺度構成法・自己組織化マップ
- 5.4 クラスター分析
- 5.5 まとめ
第6章 データに潜む変数間の関係をモデル化する手法—回帰分析の視点から—
- 6.1 事前学習
- 6.2 線形重回帰分析
- 6.3 部分最小二乗法(PLS)
- 6.4 正則化を利用した回帰（正則化最小二乗法）
- 6.5 まとめ
第7章 識別・分類・認識に役立つモデル化手法—教師あり機械学習の視点から—
- 7.1 事前学習
- 7.2 教師なし学習
- 7.3 判別分析
- 7.4 k 最近傍法（kNN 法）
- 7.5 ナイーブベイズモデル
- 7.6 決定木モデル
- 7.7 ニューラルネットワークモデル
- 7.8 サポートベクトルマシーン
- 7.9 アンサンブル学習とランダムフォレストモデル
- 7.10 まとめ
第IV部 より高度な機械学習
第8章 化学情報処理—化学構造の解析とその応用—
- 8.1 事前学習
- 8.2 化学構造の表記法
- 8.3 rcdk パッケージの応用
- 8.4 ChemmineR・ChemmineOB パッケージの応用
- 8.5 まとめ
第9章 深層学習（ディープラーニング）
- 9.1 事前学習
- 9.2 ニューラルネットワークの基本要素
- 9.3 ニューラルネットワークの構築
- 9.4 実データによる学習
- 9.5 畳み込みニューラルネットワーク
- 9.6 まとめ