実験計画法の概要~データを上手く使って実験のコスパを上げましょう!~

たとえば、化学反応 A + B → C + D の、 C の収率を上げることを考えます。収率がもっとも高くなる実験条件を見つけることが目標です。 実験条件の1つである反応温度を 25℃ にして実験してみましょう。人間は精密機械ではあり...

研究室の5つの意義・価値~失敗しない研究室選び~

明治大学の応用化学科では、3年生の12月ころに学生たちが配属になる研究室を選ぶことになります。 研究室選択のときに確認したほうがよいこととして、学生にとっての研究室の5つの意義・価値をまとめました。 興味のある分野の研究がで...

サポートベクターマシン(Support Vector Machine, SVM)~優秀な(非線形)判別関数~

 サポートベクターマシン(Support Vector Machine, SVM)について、pdfとパワーポイントの資料を作成しました。データセットが与えられたときに、SVMで何ができるか、どのようにSVMを計算するかが説明されています。p...

線形判別分析(Linear Discriminant Analysis, LDA)~多クラスにも応用できる線形クラス分類~

線形判別分析(Linear Discriminant Analysis, LDA)について、pdfとパワーポイントの資料を作成しました。データセットが与えられたときに、LDAで何ができるか、どのようにLDAを計算するかが説明されています。p...

部分的最小二乗回帰(Partial Least Squares Regression, PLS)~回帰分析は最初にこれ!~

部分的最小二乗回帰 (Partial Least Squares Regression, PLS) について、pdfとパワーポイントの資料を作成しました。データセットが与えられたときに、PLSで何ができるか、どのようにPLSを計算するかが説...

主成分分析(Principal Component Analysis, PCA)~データセットの見える化・可視化といったらまずはこれ!~

主成分分析(Principal Component Analysis, PCA)について、pdfとパワーポイントの資料を作成しました。データセットが与えられたときに、PCAで何ができるか、どのようにPCAを計算するかが説明されています。pd...

モデルを作るのにサンプル数はいくつ必要か?に対する回答~モデルの適用範囲・モデルの適用領域~

統計だったり機械学習だったりニューラルネットワークだったり、データを使ったモデルの開発をしていますと、 いくつサンプルがあったらモデルはできますか? ってよく聞かれます。今回はこの質問に答えながら、モデルの適用範囲・モデルの適用領域につ...

初めてのベトナム International Symposium on Pure & Applied Chemistry (ISPAC) 2017@Ho Chi Minh City

2017年6月8日から10日までベトナムのホーチミン・シティで開催されたISPAC2017において、招待講演をさせていただいてきました。招待していただいた北海道大学の高橋先生・広島大学の石元先生に感謝です。 基本的に4つの部屋でいくつ...

“モデル”について考える

"モデル" と聞くとあなたは何を思い浮かべるでしょうか。化学工学でも大事なモデルについて講義で学生と考える機会がありましたのでそのあたりをまとめます。学生たちに “モデル” について聞いてみると、ファッションモデルの具体的な人からプ...

【決意表明】金子研は第4回 IT創薬コンテスト:「コンピュータで薬のタネを創る4」に参戦します!

退路を断つため、決意表明します。データ化学工学研究室(金子硏)のメンバーで1つのグループとして、第4回 IT創薬コンテスト:「コンピュータで薬のタネを創る4」に参加することに致しました! このコンテストで参加グループは、与えられたおよ...
タイトルとURLをコピーしました