Pythonで気軽に化学・化学工学 [単行本]

Pythonで気軽に化学・化学工学 [単行本] の 商品概要

• 要旨（「BOOK」データベースより）

  みなさんは研究室やお手元にデータをお持ちではないですか？データ解析・機械学習を応用して、蓄積してきたデータを最大限に活用することで、これまでとは違った角度から研究や開発を加速させることができます。本書では、化学・化学工学の分野特有の話題やノウハウにスポットをあてて、Ｐｙｔｈｏｎを使ったデータ解析・機械学習を丁寧に解説します。サンプルプログラムを使って実際に手を動かしながら学習できるので、プログラミングをやったことがない方も気軽に取り組むことができます。これからデータ解析・機械学習を活用していきたいと考えている研究者や技術者、学生におすすめの１冊。

• 目次

  1章　必要なソフトウェアをインストールして，Jupyter Notebook やPython に慣れる　　
  　1.1 Anaconda のインストール　　
  　1.2 Jupyter Notebook の使い方　　
  　1.3 Jupyter Notebook の起動　　
  　1.4 セルおよびセルのタイプとモード　　
  　1.5 セルの実行　　
  　1.6 おもな操作方法　　
  　1.7 キーボードショートカット　　
  　1.8 Jupyter Notebook の終了　　
  
  2章　Python プログラミングの基礎を学ぶ　　
  　2.1 数値や文字などの扱い　　
  　2.2 数値や文字の集合の扱い　　
  　2.3 組み込み関数による効率的な処理　　
  
  3章　データセットの読み込み・確認・変換・保存ができるようになる　　
  　3.1 データセットの読み込み　　
  　3.2 データセットの中身の確認　　
  　3.3 データセットの保存　　
  
  4章　データセットの特徴を把握する　　
  　4.1 行列形式によるデータセットの表現　　
  　4.2 ヒストグラムによるデータの分布の確認　　
  　4.3 おもな基礎統計量を計算することによる特徴量間の比較　　
  　4.4 散布図による特徴量間の関係の確認　　
  　4.5 相関係数による特徴量間の関係の強さの確認　　
  
  5章　データセットを前処理して扱いやすくする　　
  　5.1 特徴量のスケールの統一化　　　　
  　5.2 ばらつきの小さい特徴量の削除　　
  　5.3 類似した特徴量の組における一方の特徴量の削除　
  　
  6章　データセットの見える化（可視化）をする　　
  　6.1 主成分分析　　37
  　6.2 t-distributed Stochastic Neighbor Embedding (t-SNE)　　43
  
  7章　データセットを類似するサンプルごとにグループ化する　　49
  　7.1 クラスタリング　　49
  　7.2 階層的クラスタリングの基礎　　50
  　7.3 階層的クラスタリングの実行　　53
  　7.4 化学・化学工学での応用　　56
  
  8章　モデルy＝f (x) を構築して，新たなサンプルのyを推定する　　
  　8.1 クラス分類（クラス分類とクラスタリングとの違い，教師あり学習と教師なし学習）　
  　8.2 k-NN によるクラス分類とクラス分類モデルの推定性能の評価　　
  　8.3 回帰分析　　
  　8.4 k-NN や最小二乗法による回帰分析と回帰モデルの推定性能の評価　　
  　8.5 モデルの推定性能を低下させる要因とその解決手法（PLS）　　
  　8.6 さまざまな解析の自動化・効率化　　
  　8.7 非線形の回帰分析手法やクラス分類手法　　
  　8.8 ダブルクロスバリデーション　　
  　8.9 化学・化学工学での応用　　
  
  9章　モデルの推定結果の信頼性を議論する　　
  　9.1 目的変数の推定に用いる最終的なモデル　　
  　9.2 モデルの適用範囲　　
  　9.3 One-Class Support Vector Machine (OCSVM)　　
  
  10章　モデルを用いてy からx を推定する　　
  　10.1 仮想サンプルの生成　　
  　10.2 仮想サンプルの予測および候補の選択　　
  
  11章　目標達成に向けて実験条件・製造条件を提案する　　
  　11.1 実験計画法　　
  　11.2 応答曲面法　　
  　11.3 適応的実験計画法　　
  
  12章　化学構造を扱う　　
  　12.1 RDKit のインストール　　
  　12.2 化学構造の表現方法　　
  　12.3 化合物群の扱い　　
  　12.4 化学構造の数値化　　
  　12.5 化学構造のデータセットを扱うときの注意点およびデータセットの前処理　　

• 出版社からのコメント

  化学・化学工学分野に特化したデータ解析・機械学習の入門書。サンプルプログラム付きでプログラミング初心者にもわかりやすく解説。

• 内容紹介

  化学・化学工学分野に特化したデータ解析・機械学習の入門書。
  さまざまな分野においてデータ解析・機械学習は広がりをみせている。化学・化学工学の分野において、研究開発の現場や製造現場に蓄積されているデータを解析・分析できることは、プラントの高度化や省力化、新たな高機能性材料の合成や製造プロセスの効率的な開発のための強力な武器となる。本書では、プログラミングをゼロからはじめる人でもデータ解析・機械学習を自分の手でできるようになることを狙いとする。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  金子 弘昌(カネコ ヒロマサ)
  ２０１１年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修了。博士（工学）。東京大学大学院工学系研究科助教を経て、明治大学理工学部応用化学科准教授、広島大学大学院工学研究科次世代自動車技術共同研究講座客員准教授（併任）、大阪大学太陽エネルギー化学研究センター招聘准教授（併任）、理化学研究所客員主幹研究員（併任）、京都大学大学院理学研究科非常勤研究員（併任）、中央大学理工学研究科非常勤講師（併任）

Pythonで気軽に化学・化学工学 [単行本] の商品スペック