工学
ケモ・マテリアルズ・インフォマティクス入門RとPythonによる基礎と実践
化学分野におけるデータサイエンスの初歩が学べる入門書!
本書は化学分野におけるデータサイエンスであるケモ・マテリアルズ・インフォマティクスについてを重点的に解説した教科書です。機器スペクトルデータ、化学構造データ、生物活性・物性データなどの多様な化学データを活用し、物質の新規発見や物性予測につなげるインフォマティクス技術を習得することを目標としています 。化学産業界が抱えている様々な課題を解決するために、Google Colaboratoryの活用法からPythonの基本文法、RからPythonへのコード書き換えを通じた実践的なプログラミング、RとPythonプログラミングを使ったデータ解析手法と実装までを網羅。新化学技術協会の「化学×デジタル人材育成講座」で扱われた内容をベースにしているため、初学者がチャレンジしやすい一冊です。
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¥4,950 小売希望価格(税込)
ペーパーバック(カバーなし)¥4,950小売希望価格(税込)
単行本(カバーあり)¥4,950小売希望価格(税込)
基本情報
発売日 | 2025年7月18日 |
---|---|
本体価格 | 4,500円 |
ページ数 | 290 ページ ※印刷物 |
サイズ | B5 |
ISBN(POD) | 9784764961098 |
ISBN (カバー付単行本) |
9784764907478 |
ジャンル | 工学 |
タグ | 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 |
主要目次
第1章 Python プログラミングとデータハンドリング
1.1 本章の学習事項
1.2 Google Colabの始め方
1.3 Python プログラミングの基礎事項
1.4 値の種類と演算子
1.5 変数と代入
1.6 データ構造と繰返し処理
1.7 内包表記と高階関数
第2章 離散型データ(計数データ)の分析
2.1 本章の学習事項
2.2 離散型データの確率分布
2.3 二項分布とそれを利用した検定
2.4 超幾何分布とそれを利用した検定
2.5 ポアソン分布
第3章 連続型データ(計量データ)の分析
3.1 本章の学習事項
3.2 正規分布の特性と応用
3.3 カイ二乗分布の特性と応用
3.4 t分布の特性と応用
3.5 t分布を利用した2組のデータの比較
3.6 ノンパラメトリック統計検定
3.7 分割表を利用した独立性の検定・適合性の検定
第4章 データに潜む類似度・距離の分析
4.1 本章の学習事項
4.2 ピアソン相関分析
4.3 主成分分析
4.4 クラスター分析
第5章 データに潜む変数間の関係をモデル化する手法
5.1 本章の学習事項
5.2 線形重回帰分析
5.3 部分最小二乗法(PLS)
5.4 正則化を利用した回帰 (正則化最小二乗法)
第6章 化学情報処理
6.1 本章の学習事項
6.2 化学構造の表記法
6.3 rcdkパッケージ
第7章 ChatGPTの使い方
7.1 ChatGPTとは
7.2 ChatGPTの使用方法
7.3 ChatGPTを用いたPythonとRの相互書き換え
1.1 本章の学習事項
1.2 Google Colabの始め方
1.3 Python プログラミングの基礎事項
1.4 値の種類と演算子
1.5 変数と代入
1.6 データ構造と繰返し処理
1.7 内包表記と高階関数
第2章 離散型データ(計数データ)の分析
2.1 本章の学習事項
2.2 離散型データの確率分布
2.3 二項分布とそれを利用した検定
2.4 超幾何分布とそれを利用した検定
2.5 ポアソン分布
第3章 連続型データ(計量データ)の分析
3.1 本章の学習事項
3.2 正規分布の特性と応用
3.3 カイ二乗分布の特性と応用
3.4 t分布の特性と応用
3.5 t分布を利用した2組のデータの比較
3.6 ノンパラメトリック統計検定
3.7 分割表を利用した独立性の検定・適合性の検定
第4章 データに潜む類似度・距離の分析
4.1 本章の学習事項
4.2 ピアソン相関分析
4.3 主成分分析
4.4 クラスター分析
第5章 データに潜む変数間の関係をモデル化する手法
5.1 本章の学習事項
5.2 線形重回帰分析
5.3 部分最小二乗法(PLS)
5.4 正則化を利用した回帰 (正則化最小二乗法)
第6章 化学情報処理
6.1 本章の学習事項
6.2 化学構造の表記法
6.3 rcdkパッケージ
第7章 ChatGPTの使い方
7.1 ChatGPTとは
7.2 ChatGPTの使用方法
7.3 ChatGPTを用いたPythonとRの相互書き換え