授業の目的 【日本語】
Goals of the Course(JPN) | | | データサイエンスは、多くの材料研究にとって、不可欠な存在となっている。応用領域は、実験計画、データ解析、材料設計まで幅広い。本講義では、材料研究を遂行する上で必要となる基礎的なプログラミング技術や応用技術の習得を目的とする。 |
|
|
授業の目的 【英語】
Goals of the Course | | | Data science has become an integral part of materials research. Its application areas range from experimental design, data analysis, and materials design. The purpose of this lecture is to learn the basic programming and application techniques in doing research projects. |
|
|
到達目標 【日本語】
Objectives of the Course(JPN)) | | 授業終了時までに、受講者が以下の項目を達成することを目標とする。
１．Pythonによるプログラミングの基礎を修得する。
２．データ解析、機械学習の基礎を修得する。
３．材料研究におけるデータサイエンスの適用例から、様々なデータ解析や応用について理解し、説明できる。 |
|
|
到達目標 【英語】
Objectives of the Course | | By the end of the course, students should
1. Obtain basic knowledge about Python programming,
2. Obtain basic knowledge about data analysis and machine learning,
3. Obtain basic knowledge about various data analysis and applications of data science in materials research. |
|
|
バックグラウンドとなる科目【日本語】
Prerequisite Subjects | | | 微分積分学Ⅰ、微分積分学Ⅱ、線形代数学Ⅰ、線形代数学Ⅱ、データ科学基礎 |
|
|
バックグラウンドとなる科目【英語】
Prerequisite Subjects | | | Calculus I, Calculus II, Linear Algebra I, Linear Algebra II, Introduction to Data Science |
|
|
授業の内容【日本語】
Course Content | | １．Pythonによるプログラミング基礎
・Pythonの基礎
・フロー制御
・モジュール、関数
・リスト、配列
・データの入出力と可視化
・物理シミュレーション
２．機械学習の基礎
・イントロダクション：マテリアルサイエンスにおける機械学習
・教師あり学習（回帰、分類、モデルの最適化）
・教師なし学習（クラスタリング）
３．機械学習の応用
・データ前処理、記述子、モデル解釈
・機械学習と最適化
・プロセスインフォマティクス（条件最適化、逐次最適化など）
４．材料画像工学
・材料画像工学１（数学に基づく形態定量評価）
・材料画像工学2（深層学習による画像認識）
・材料画像工学3（敵対的生成ネットワークによる画像生成） |
|
|
授業の内容【英語】
Course Content | | 1. Python programming
・Style guide for Python code
・Flow control
・Modules and functions
・List and array
・Data input/output and visualization
・Physical simulation
2. Basics of machine learning
・Introduction of machine learning in materials science
・Supervised learning (regression, classification, model optimization)
・Unsupervised learning (clustering)
3. Applications of machine learning
・Data preprocessing, descriptors, and model interpretation
・Machine learning and optimization
・Process informatics (condition optimization, sequential optimization,
etc.)
4. Materials Image Engineering
・Materials Image Engineering 1 (quantitative evaluation of morphology based on mathematics)
・Materials Image Engineering 2 (Image recognition by deep learning)
・Materials Image Engineering 3 (Image generation by generative adversarial network) |
|
|
成績評価の方法と基準【日本語】
Course Evaluation Method and Criteria | | | 達成目標に対しての修得度をレポート、中間試験および期末試験にて評価する。 |
|
|
成績評価の方法と基準【英語】
Course Evaluation Method and Criteria | | | Based on degree of mastery of the objectives assessed through reports, mid-term and final examinations. |
|
|
履修条件・注意事項【日本語】
Course Prerequisites / Notes | | |
|
履修条件・注意事項【英語】
Course Prerequisites / Notes | | | No course prerequisites are required. |
|
|
教科書【日本語】
Textbook | | |
|
教科書【英語】
Textbook | | | Distribute materials at lecture |
|
|
参考書【日本語】
Reference Book | | |
|
参考書【英語】
Reference Book | | | Distribute materials at lecture |
|
|
授業時間外学習の指示【日本語】
Self-directed Learning Outside Course Hours | | |
|
授業時間外学習の指示【英語】
Self-directed Learning Outside Course Hours | | |
|
使用言語【英語】
Language used | | |
|
使用言語【日本語】
Language used | | |
|
授業開講形態等【日本語】
Lecture format, etc. | | |
|
授業開講形態等【英語】
Lecture format, etc. | | |
|
遠隔授業（オンデマンド型）で行う場合の追加措置【日本語】
Additional measures for remote class (on-demand class) | | |
|
遠隔授業（オンデマンド型）で行う場合の追加措置【英語】
Additional measures for remote class (on-demand class) | | |
|