「ガウス過程と機械学習」 ガウス過程法についてゼロから学びたい方へ
持橋大地, 大羽成征, 「ガウス過程と機械学習」, 講談社, 2019 講談社: Amazon: ガウス過程、ガウス過程回帰、機械学習について学ぶための本です。 最初から読み進めることで、ガウス過程のイメージをもてるようになり、そして線形回...
データ解析
モデルの直接的逆解析法で効率的な適応的実験計画法ができるようになりました！[金子研論文]
金子研の論文が Chemometrics and Intelligent Laboratory Systems に掲載されましたので、ご紹介します。タイトルは Adaptive design of experiments based on ...
バッチプロセスにおける特徴量の作り方
バッチプロセスにおいて、プロセスの異常を検出したり異常原因の診断をしたり、説明変数 X と目的変数 Y との間でモデル Y = f(X) を構築して X から Y を予測したり、Y が望ましい値になるようにバッチプロセスを設計したりすること...
「ゼロから作るDeep Learning: Pythonで学ぶディープラーニングの理論と実装」 ニューラルネットワークの基礎から深層学習(ディープラーニング)を学び実践したい方が読む本
斎藤康毅, 「ゼロから作るDeep Learning: Pythonで学ぶディープラーニングの理論と実装」, O'Reilly(オライリー・ジャパン), 2016 O'Reilly(オライリー・ジャパン): Amazon: ニューラルネット...
材料の結晶構造を考慮して熱電変換材料を設計しました！[金子研論文]
金子研の論文が Analytical Science Advances に掲載されましたので、ご紹介します。タイトルは Design of thermoelectric materials with high electrical cond...
「エンジニアのための実践データ解析」 データ解析をすぐに実践したい方が読む本
藤井宏行, 「エンジニアのための実践データ解析」, 東京化学同人, 2005 東京化学同人: Amazon: もともとは化学工学会の学会誌に連載されていた “ケミカルエンジニアのための統計的品質管理入門” の内容を加筆修正された本です。学生...
ベイズ最適化で複数の目的変数がある場合の対応[Probability of Improvement(PI)以外]
適応的実験計画法により、高機能性材料を達成するための実験条件・製造条件を探索したり、高性能プロセスを開発するためのプロセス条件を探索したりするとき、ベイズ最適化を用いることで効率的に外挿を探索しながら目標達成を目指すことができます。設計問題...
「統計でウソをつく法―数式を使わない統計学入門」 データ解析において自分で自分にウソをつかないために
ダレル・ハフ 著, 高木秀玄 訳, 「統計でウソをつく法―数式を使わない統計学入門」, 講談社, 1968 講談社: Amazon: 統計学の基礎を学べるブルーバックスの本です。1968 年に発行され、長年の間読まれています。以下は、講談社...
回帰係数=寄与度とすることは危険、どうしても寄与度を求めたいときはPCRやPLSの1成分モデルで、ただ基本的には寄与度ではなく重要度で議論
タイトルで言いたいことはほとんど言っていますが、丁寧に説明します。たとえば最小二乗法による線形重回帰分析や部分的最小二乗回帰 (Partial Least Squares Regression, PLS) や Least Absolute ...
「実験計画と分散分析のはなし改訂版-効率よい計画とデータ解析のコツ」 実験計画法の考え方や分散分析の基礎を学びたい方へ
大村平, 「実験計画と分散分析のはなし改訂版-効率よい計画とデータ解析のコツ」, 日科技連出版社, 2013 日科技連出版社: Amazon: 実験計画法の考え方や分散分析の基礎を学べる本です。初版が 1984 年に発行され、2013 年に...