バイオインフォマティクスのための人工知能入門―基礎から行列・テンソル分解/深層学習まで [単行本]

バイオインフォマティクスのための人工知能入門―基礎から行列・テンソル分解/深層学習まで の 商品概要

• 目次（「BOOK」データベースより）

  １　バイオインフォマティクス概観
  ２　クラス分類
  ３　回帰とパラメータ推定
  ４　クラスタリング
  ５　行列分解
  ６　次元削減・可視化
  ７　ニューラルネットワーク

• 出版社からのコメント

  人工知能技術を道具として適切に活用するために．統計学など基礎から実用的な技術まで解説．

• 内容紹介

  「人工知能」といわれる手法のしくみを学ぶ入門書
  バイオインフォマティクスで重要な各種手法を原理から理解
  統計学など古典的な手法からはじめ，現在主流となっている実用的な技術まで扱う．
  最小限の数式と図や具体例で平易に解説
  
  【主な目次】
  1.　バイオインフォマティクス概観
  1.1　分子生物学概観
  1.2　ゲノムと遺伝子
  1.3　バイオインフォマティクスにおける研究課題
  1.4　バイオインフォマティクス・データとその表現法
  1.5　予備知識と数学記号
  1.6　配列アラインメント
  文献案内
  
  2.　クラス分類
  2.1　k近傍法
  2.2　単純ベイズ法
  2.3　決定木とランダムフォレスト
  2.4　サポートベクターマシン
  2.5　線形判別分析
  2.6　ベイジアンネットワーク
  文献案内
  
  3.　回帰とパラメータ推定
  3.1　線形回帰
  3.2　ロジスティック回帰
  3.3　一般化線形モデル
  3.4　正則化回帰
  3.5　隠れマルコフモデル
  3.6　条件つきマルコフ場
  3.7　変分ベイズ法
  文献案内
  
  4.　クラスタリング
  4.1　階層型クラスタリング
  4.2　k平均法
  4.3　自己組織化マップ
  4.4　混合正規分布
  4.5　スペクトラルクラスタリング
  4.6　バイクラスタリング
  4.7　リスタートつきランダムウォーク
  文献案内
  
  5.　行列分解
  5.1　行列分解の意味
  5.2　固有値分解
  5.3　特異値分解
  5.4　非負値行列因子分解
  5.5　行列の同時分解
  5.6　正則化項つき行列分解
  5.7　テンソル分解
  5.8　高次特異値分解
  文献案内
  
  6.　次元削減・可視化
  6.1　特徴選択
  6.2　主成分分析
  6.3　正準相関分析
  6.4　多次元尺度構成法
  6.5　t-SNE
  6.6　UMAP
  文献案内
  
  7.　ニューラルネットワーク
  7.1　ニューロンとネットワーク
  7.2　誤差逆伝播法
  7.3　畳み込みニューラルネットワーク
  7.4　グラフ畳み込みネットワーク
  7.5　回帰型ニューラルネットワーク
  7.6　LSTM
  7.7　自己符号化器
  7.8　変分自己符号化器
  7.9　アテンション
  7.10　敵対的生成ネットワーク
  文献案内
  
  文献
  索引

• 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）

  阿久津 達也(アクツ タツヤ)
  １９６２年栃木県に生まれる。現在、京都大学化学研究所バイオインフォマティクスセンター教授、工学博士

• 著者について

  阿久津 達也 (アクツ タツヤ)
  阿久津 達也

バイオインフォマティクスのための人工知能入門―基礎から行列・テンソル分解/深層学習まで の商品スペック