化学のための Pythonによるデータ解析・機械学習入門（改訂2版）

詳細目次

第1部　Python と統計の基礎知識
第1章　Pythonの基礎
1.1　Pythonの使い方
1.2　データセットの読み込み・保存
第2章　データの図示
2.1　ヒストグラム
2.2　箱ひげ図
2.3　散布図
2.4　相関行列

第2部　データ解析・機械学習の基礎
第3章　多変量データとデータの可視化
3.1　多変量データ
3.2　データの前処理
3.3　主成分分析（Principal Component Analysis：PCA）
3.4　階層的クラスタリング
3.5　［発展］非線形の可視化手法：t-distributed Stochastic Neighbor Embedding（t-SNE）
第4章　化学データを用いたモデリング
4.1　回帰分析（regression analysis）
4.2　クラス分類（classication）
第5章　回帰モデル・クラス分類モデルの適用範囲
5.1　モデルの適用範囲（Applicability Domain：AD）とは？
5.2　データ密度
5.3　アンサンブル学習法（Ensemble learning）

第3部　化学・化学工学データでの実践のしかた
第6章　材料設計，分子設計，医薬品設計
6.1　材料設計
6.2　分子設計，医薬品設計
6.3　化学構造の表現方法
6.4　化合物群の扱い
6.5　化学構造の数値化
6.6　化学構造の生成
6.7　化合物のデータセットを扱うときの注意点
6.8　具体的なデータセットを用いた解析
第7章　時系列データの解析
7.1　化学プラントにおける推定制御・ソフトセンサー
7.2　時系列データ解析の特徴
7.3　モデルの劣化と適応型ソフトセンサー（Adaptive Soft Sensor）
7.4　データ解析・機械学習による化学プラントのプロセス管理（異常検出，異常診断）
第8章　Datachemical LABを用いた化学・化学工学のデータ解析・機械学習
8.1　Datachemical LAB
8.2　材料設計
8.3　分子設計
8.4　適応型ソフトセンサー
8.5　Datachemical LAB による材料設計・分子設計・プロセス設計・プロセス管理