5/28 材料・分析データに活かすための ケモメトリクスの基礎と実践

名古屋大学　大学院生命農学研究科　准教授　博士(農学)　稲垣 哲也　氏

専門：林産科学、データサイエンス、ケモメトリクス

　本講演では、材料開発や機器分析などの分野において得られる各種データを対象に、ケモメトリクスの基礎的な考え方と、データ解析を進めるための枠組みについて解説します。具体的な題材としてスペクトル解析を取り上げ、スペクトルにケモメトリクスや機械学習を適用して分類・定量を行う方法をもとに学んでいきます。なお、深層学習やグラフニューラルネットワーク（GNN）といった高度な手法の解説を目的とするものではなく、ケモメトリクスおよび統計的手法に基づく基本的なデータ解析の枠組みに焦点を当てます。

　皆さん自身でプログラムを駆使して分類・定量を自由自在に行えるようにするためは（１）プログラム言語（Python）、（２）統計、（３）ケモメトリクス・機械学習、（４）スペクトル、（５）試料について学ぶ必要があります。この講演では（１）～（３）について初学者の方でも十分理解できるように丁寧に説明を進めていきます。もちろんこれらを十分理解されている方にとっても新しい発見のある内容となっています。統計・ケモメトリクス・機械学習のそれぞれで、その内容について詳しく説明した後、ダウンロード可能なデータを用いて、Pythonプログラムによって解析を進めることで、理論と実践の両方を理解していきます。プログラムを効率的に書くためにChatGPTも用います。

１．はじめに

　1.1 ケモメトリクスと機械学習
　1.2 pythonについて
　1.3 ChatGPTによるプログラム支援
 
２．ケモメトリクスとは
　2.1 Lambert-beer則
　2.2 CLS
　2.3 ILS
　2.4 PCA
　2.5 PLSR
 
３．機械学習とは
　3.1 近傍法
　3.2 ランダムフォレスト
　3.3 サポートベクトルマシン
　3.4 ニューラルネットワーク
 
４．スペクトル前処理
　4.1 中心化・標準化
　4.2 スムージング
　4.3 カーブフィッティング
　4.4 微分処理
　
５．ケモメトリクス実践
　5.1 スペクトルデータから目的変数を予測する
　5.2 HSIデータへの応用と画像解析

　□ 質疑応答 □

本セミナーでは、Pythonを用いた解析を行います。

Jupyter Notebook環境での実施を想定しておりますので、事前にインストールいただくことを推奨いたします。解析用のデータにつきましては、講義中に講師よりダウンロードURLをチャットにて共有いたします。

※ Jupyter Notebookのインストールが難しい場合は、Pythonが実行可能な他の環境でも問題ございません。

※ Pythonの実行環境のご準備が難しい場合でも、当日は講師によるデモンストレーションをご覧いただくことで、該当箇所の内容をご理解いただけます。

※詳細・お申込みは上記

「お申し込みはこちらから」（遷移先WEBサイト）よりご確認ください。