| 授業の目的 【日本語】 | | 化学情報の表現と生成，及び計算機上での解析法を学習する。化学情報の生成では，物質情報学2，3，5，6などで履修した知見を用いて，計算機シミューレーションを学習する。データマイニング入門を土台として，代表的な機械学習法の原理と実際を学習する。pythonを用いて機械学習プログラムを作成し，数値，画像，グラフデータ（化学構造式など）を解析できる実践力を身に着ける。
|
|
|
| 授業の目的 【英語】 | | | Learn what chemical information is, how to express, generate, and analyze it on a computer. Understand the most important concepts of chemistry. Understand the principles and practices of machine learning methods, and programming skills to analyze data. |
|
|
| 到達目標 【日本語】 | | 化学情報とは何か，その表現法と生成法，及び計算機上での表現の仕方や解析法を学習する。化学物質の構造と反応の最重要内容を理解する。代表的な機械学習法の原理と実際を理解する。機械学習プログラムを作成し，データを解析できる実践力を身に着ける。
|
|
|
| 到達目標 【英語】 | | |
|
| 授業の内容や構成 | | 化学基礎（共通教育科目）の内容を土台として，化学物質の構造と反応について，最重要内容を復習する。代表的な機械学習法である，カーネル法，ニューラルネットワーク，生成モデルを講義する。それぞれの機械学習法で，数値，画像，グラフデータ（化学構造式など）を解析するプログラムを作成する。
1. 化学構造の計算機上での表現（命名法，線型，グラフ表現，立体異性体）
2. グラフ理論の基礎，グラフアルゴリズムによる構造，部分構造の検索
3. 多次元尺度構成法(MDS)，多様体学習，3次元構造の生成
4. カーネル法によるデータマイニングと類似構造検索
5. 統計的検定の基礎，機械学習モデルの原理と評価法
6. ニューラルネットワークの原理と，グラフデータへの応用
7. 生成モデルとその発展
8. 線型自由エネルギー関係，構造活性相関，分子記述子による物性予測
| |
|
|
| 履修条件・関連する科目 | | |
|
| 成績評価の方法と基準 | | | 授業の小試験の合計点50％、授業時間外の課題50％，合計100点満点で60点以上を合格とする。 | |
|
|
| 教科書・参考書 | | Chemoinformatics (Gasteiger ＆ Engel)
カーネル多変量解析（赤穂昭太郎）
深層学習（Goodfellow）第II部 | |
|
|
| 課外学習等（授業時間外学習の指示） | | | 毎回の授業で次の宿題を課す。数値、画像、グラフデータ（化学構造式など）を機械学習するプログラムをpythonで作成する。宿題は次回授業前日までに提出し、授業中に解説をする。 | |
|
|
| 授業開講形態等 | | |
|
| 遠隔授業（オンデマンド型）で行う場合の追加措置 | | |
|