機械学習はその適用範囲を広げ続けており、従来の開発プロセスをデータ駆動型開発に置き換える試みが様々な分野で進んでいる。本講座では、機械学習の基本的な考え方と問題設定を初学者向けに解説する。その上で、機械学習の応用分野として近年目覚ましい発展を遂げているマテリアルインフォマティクス、特に材料探索と計測の効率化に向けた取り組みの事例を通して、近代的な機械学習手法の「使い方」まで含めた解説を行う。

1. 機械学習入門
   1. 機械が学習するとは?
   2. 関連分野の概観と歴史
   3. 機械学習の問題設定と分類
2. 記法と確率統計の準備
   1. ベクトル,ノルム
   2. 確率密度関数
   3. ベイズの定理
3. 教師有り学習
   1. 判別と回帰
   2. 損失関数と経験リスク最小化
   3. 正則化
   4. 生成モデルによる回帰とガウス過程
4. 教師なし学習
   1. 密度推定
   2. クラスタリング
5. アンサンブル学習入門
   1. 判別・回帰木
   2. バギング
   3. ランダムフォレスト
6. 計測・マテリアルインフォマティクスへの応用
   1. 密度推定による中性子散乱計測の高効率化
   2. 能動学習によるスペクトル計測の高効率化
   3. ベイズ最適化による材料探索の高効率化
• 質疑応答