学部・大学院区分
Undergraduate / Graduate
情報学部
時間割コード
Registration Code
1002120
科目区分
Course Category
専門科目(自然情報)関連専門科目(人社,CS)
科目名 【日本語】
Course Title
物質情報学9
科目名 【英語】
Course Title
Physical and Life Science Informatics 9
コースナンバリングコード
Course Numbering Code
SIS-11-3042-J
担当教員 【日本語】
Instructor
安田 耕二 ○
担当教員 【英語】
Instructor
YASUDA Koji ○
単位数
Credits
1
開講期・開講時間帯
Term / Day / Period
秋2期 水曜日 2時限
Fall2 Wed 2
対象学年
Year
3年
3
授業形態
Course style
講義
Lecture
開講系(学部)・開講専攻(大学院)
Subject
自然・複雑システム
必修・選択
Required / Selected
選択


授業の目的 【日本語】
Goals of the Course(JPN)
化学情報の表現と生成,及び計算機上での解析法を理解することを目的とする。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】
Goals of the Course
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】
Objectives of the Course(JPN)
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。簡単な機械学習プログラムを作成し,グラフなどの構造化データを解析できる。
到達目標 【英語】
Objectives of the Course
授業の内容や構成
Course Content / Plan
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
Course Prerequisites and Related Courses
データマイニング入門は必須、化学基礎(共通教育科目),物質情報学2,3,5,6は履修していると良い。
成績評価の方法と基準
Course Evaluation Method and Criteria
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
Textbook/Reference book
教科書は使用しない。以下の参考書を用いる。
scikit-learn, Keras, TensofFlowによる実践機械学習(Geron)
カーネル多変量解析(赤穂昭太郎)
深層学習(Goodfellow)第II部
Chemoinformatics (Gasteiger & Engel)
課外学習等(授業時間外学習の指示)
Study Load(Self-directed Learning Outside Course Hours)
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
Lecture format, etc.
遠隔授業(オンデマンド型)で行う場合の追加措置
Additional measures for remote class (on-demand class)