工学
改訂版 PythonではじめるマテリアルズインフォマティクスChatGPTを活用しよう
【ChatGPTを使ってマテリアルズインフォマティクスを実践しよう！】
本書ではPythonを使ったマテリアルズインフォマティクスの手法として、物質科学に関するデータ（特に無機物質）を主に扱い、データ解析学の基礎から非等長説明変数を用いるアルゴリズムまでをまとめています。
物質科学の世界では物質ごとに収集できる変数の数が異なる（非等長説明変数）場合が多く、実践でも苦労することを考慮して対応策を詳述。改訂にあたっては「ChatGPT」を使ったPythonコード作成の補助、データ解析の構築方法などを各章に取り入れることで、Pythonを扱ったことがない初学者にとっても挑戦しやすい内容になっています。
発売日、価格など予告なく変更する場合がございます。
電子書籍¥4,290 小売希望価格（税込）
ペーパーバック（カバーなし）¥4,290小売希望価格（税込）
単行本（カバーあり）¥4,290小売希望価格（税込）
基本情報
| 発売日 | 2025年1月31日 |
|---|---|
| 本体価格 | 3,900円 |
| ページ数 | 258 ページ ※印刷物 |
| サイズ | B5 |
| ISBN(POD) | 9784764961005 |
| ISBN (カバー付単行本) |
9784764907355 |
| ジャンル | 工学 |
| タグ | 計算科学, マテリアルズインフォマティクス, 近代科学社Digital |
| 電子書籍形式 | 固定型 |
主要目次
第1章 序章
1.1 目的 1
1.2 目的 2
1.3 目的 3
1.4 目的 4
第2章 理論編
2.1 予測問題
2.2 データ解析学手法の紹介
2.3 回帰・分類モデルの性能評価
2.4 データ解析学手法の四過程
2.5 説明変数の特徴の見い出し方
2.6 予測問題（再び）
2.7 新帰納法の世界
2.8 LLMの利用
2.9 LLMを用いた知識の取得例
2.10 LLMを用いたコード生成
第3章 準備編
3.1 可視化可能な Pythonインタラクティブ環境
3.2 Python環境のインストール
3.3 サンプルコードとデータファイルの取得とインストール
3.4 物質データ
3.5 データ解析の事前準備
第4章 基礎編
4.1 はじめに
4.2 回帰
4.3 次元圧縮
4.4 分類
4.5 クラスタリング
第5章 応用編1（等長説明変数）
5.1 はじめに
5.2 次元圧縮を併用したクラスタリング
5.3 トモグラフ像の復元
5.4 説明変数重要性の定量評価
5.5 モデル全探索による回帰モデル評価
5.6 ベイズ最適化
5.7 次元圧縮を利用した推薦システム
5.8 画像のノイズ削除
第6章 応用編2（非等長説明変数）
6.1 はじめに
6.2 頻出パターンマイニング
6.3 証拠理論
付録A
A.1 LLMに対する質問事項例
A.2 Jupyter Notebook/Labでの Notebookファイルの Pythonファイルへの変換方法
1.1 目的 1
1.2 目的 2
1.3 目的 3
1.4 目的 4
第2章 理論編
2.1 予測問題
2.2 データ解析学手法の紹介
2.3 回帰・分類モデルの性能評価
2.4 データ解析学手法の四過程
2.5 説明変数の特徴の見い出し方
2.6 予測問題（再び）
2.7 新帰納法の世界
2.8 LLMの利用
2.9 LLMを用いた知識の取得例
2.10 LLMを用いたコード生成
第3章 準備編
3.1 可視化可能な Pythonインタラクティブ環境
3.2 Python環境のインストール
3.3 サンプルコードとデータファイルの取得とインストール
3.4 物質データ
3.5 データ解析の事前準備
第4章 基礎編
4.1 はじめに
4.2 回帰
4.3 次元圧縮
4.4 分類
4.5 クラスタリング
第5章 応用編1（等長説明変数）
5.1 はじめに
5.2 次元圧縮を併用したクラスタリング
5.3 トモグラフ像の復元
5.4 説明変数重要性の定量評価
5.5 モデル全探索による回帰モデル評価
5.6 ベイズ最適化
5.7 次元圧縮を利用した推薦システム
5.8 画像のノイズ削除
第6章 応用編2（非等長説明変数）
6.1 はじめに
6.2 頻出パターンマイニング
6.3 証拠理論
付録A
A.1 LLMに対する質問事項例
A.2 Jupyter Notebook/Labでの Notebookファイルの Pythonファイルへの変換方法