研究室

ポリマーとモノマーのデータセットがあれば、こんなことができるようになりました! [金子研論文]

昨年度の金子研の四年生が主に研究していたテーマの成果が、Journal of Computer Chemistry, Japan にて論文公開になりました。タイトルは 高屈折率および高ガラス転移温度をもつ高分子材料のモノマー設計 です。下の...

設計の目的は問題解決

設計の目的は設計することではなくて、何かしらの問題を解決することです。あたりまえのことかもしれませんが、少しお話しします。 いろいろな設計問題があります。分子・化学構造を設計したり、材料の作り方 (実験条件・製造条件) を設計したり、プロセ...

DCEKit (Data Chemical Engineering toolKit) のクラスや関数の解説 (取扱説明書)

こちらのDCEKit (Data Chemical Engineering toolKit) について、 クラスや関数の解説をします。少し長いですが、「Ctrl + F」で知りたいクラス・関数の名前を検索してもらえるとうれしいです。黄色のマ...

DCEKit (Data Chemical Engineering toolKit) を PyPI にリリース!

これまで化学データ・化学工学データのデータ解析に役立つツールや金子研で開発された手法に関する Python コードを Github にて公開してきました。このたびは、これらのツール・手法 (の一部) に加えて、新たな機能を追加して、DCEK...

[Pythonコード付き] テストデータのMAEをトレーニングデータから推定する方法を開発したので紹介します [金子研論文]

回帰分析において、新しいサンプルを推定するときの誤差の絶対値の平均値を推定するための指標を開発しました。イメージとしては、テストデータとしてサンプルがたくさんあるときの、モデルの適用範囲 (Applicability Domain, AD)...

クロスバリデーション(交差検定)のとき、変数の標準化(オートスケーリング)はどうするか?

金子研オンラインサロンにおいて、 メンバーの方からクロスバリデーションのとき変数の標準化 (オートスケーリング) に関して質問がありました。とても大事な視点であり、一言では回答できない内容でしたので、ブログで取り上げさせていただきました。 ...

2019年度ゼミ合宿 写真

今年のゼミ合宿は、越後湯沢で行いました。 金子研ゼミ合宿@越後湯沢 に行ってまいりました。ラフティングをしたりゼミをしたり。ゼミの課題はモデルの逆解析。学生ごとにいろいろなデータセットを解析しており、それに基づいて議論に花を咲かせました。内...

プログラミング未経験者のためのデータ解析・機械学習、連載スタート!

化学工学会の会誌で、Python でデータ解析・機械学習をおこなうための連載が始まりました。 〔連載〕プログラミング未経験者のためのデータ解析・機械学習 が化学工学会の会誌でスタートしました! 1. 本連載のねらい・Jupyter Note...

モデルの逆解析をするときのチェックリスト

回帰モデルやクラス分類モデルを構築したら、モデルの逆解析を行うことで、目的変数の目標値を達成すると考えられる説明変数の値を推定できます。ただ、モデルの逆解析をするときは、いくつか注意点がありますので、チェックリストとしてまとめました。モデル...

[解析結果とPythonコードあり] 転移学習 (Transfer Learning) を用いたデータ解析

転移学習 (Transfer Learning) について、パワーポイントの資料とその pdf ファイルを作成しました。どんなシチュエーションで転移学習が使えるのか、そして転移学習により本当にモデルの精度は向上するのか、数値シミュレーション...
タイトルとURLをコピーしました