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[

＜p＞★ 実験を効率化する強い味方 ★＜/p＞ ＜p＞もう実験で疲弊しない。次に試す実験条件は、データと統計学が教えてくれる！＜br /＞ ベイズ最適化とPythonを駆使して、効率よく研究・開発を進めよう！＜br /＞ 《すぐに試せるサンプルデータセット・サンプルコード付き》＜/p＞ ＜p＞■ データ解析の初歩から、モデルの設計、実践的な応用事例までを導く。＜br /＞ ■ 実験時間や人数が限られる今、絶対に役立つスキルが身につく！＜br /＞ ■ 入門書であり、実践書。フルカラー！＜/p＞ ＜p＞【目次】＜br /＞ 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＜br /＞ ・ケモ・マテリアルズ・プロセスインフォマティクス＜br /＞ ・分子設計＜br /＞ ・材料設計＜br /＞ ・なぜベイズ最適化が必要か＜br /＞ ・プロセス設計＜br /＞ ・プロセス管理＜br /＞ ・データ解析・人工知能（モデル）の本質＜/p＞ ＜p＞第2章　実験計画法＜br /＞ ・なぜ実験計画法か＜br /＞ ・実験計画法とは＜br /＞ ・適応的実験計画法＜br /＞ ・必要となる手法・技術＜/p＞ ＜p＞第3章　データ解析や回帰分析の手法＜br /＞ ・データセットの表現＜br /＞ ・ヒストグラム・散布図の確認＜br /＞ ・統計量の確認＜br /＞ ・特徴量の標準化＜br /＞ ・最小二乗法による線形重回帰分析＜br /＞ ・回帰モデルの推定性能の評価＜br /＞ ・非線形重回帰分析＜br /＞ ・決定木＜br /＞ ・ランダムフォレスト＜br /＞ ・サポートベクター回帰＜br /＞ ・ガウス過程回帰＜/p＞ ＜p＞第4章　モデルの適用範囲＜br /＞ ・モデルの適用範囲とは＜br /＞ ・データ密度＜br /＞ ・アンサンブル学習＜/p＞ ＜p＞第5章　実験計画法・適応的実験計画法の実践＜br /＞ ・実験候補の生成＜br /＞ ・実験候補の選択＜br /＞ ・次の実験候補の選択＜br /＞ ・ベイズ最適化＜br /＞ ・化学構造を扱うときはどうするか＜/p＞ ＜p＞第6章　応用事例＜br /＞ ・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＜br /＞ ・分子設計＜br /＞ ・材料設計＜br /＞ ・プロセス設計＜/p＞ ＜p＞第7章　さらなる深みを目指すために＜br /＞ ・Gaussian Mixture Regression（GMR）＜br /＞ ・GMR-Based Optimization（GMRBO）（GMRに基づく適応的実験計画法）＜br /＞ ・複雑な非線形関数を用いたGMRBOの検証＜/p＞ ＜p＞第8章　数学の基礎・Anaconda・Spyder＜br /＞ ・行列やベクトルの表現・転置行列・逆行列・固有値分解＜br /＞ ・最尤推定法・正規分布＜br /＞ ・確率・同時確率・条件付き確率・確率の乗法定理＜br /＞ ・AnacondaとRDKitのインストール・Spyderの使い方＜/p＞画面が切り替わりますので、しばらくお待ち下さい。 ※ご購入は、楽天kobo商品ページからお願いします。※切り替わらない場合は、こちら をクリックして下さい。 ※このページからは注文できません。