最近、プログラミング言語として、Pythonが注目の的となっています。Pythonは汎用のスクリプト言語で、多くのプログラミング言語の中でも多目的で使用でき、簡単であり、また無料であるという特長があります。医薬品開発の世界では、Pythonはプログラミングに馴染みのない医療従事者には敷居が高いものとなっていますが、システム連携を考慮した良質のパッケージでのデータ分析を目指すのであれば、Pythonは長い目で見て優れたツールといえます。
　本講座では、先ずPythonの基礎を学びます。初めての方でも、インストール方法含めわかりやすく解説します。次いで、機械学習における教師あり学習 (分類問題と回帰問題) および教師なし学習 (次元圧縮およびクラスター解析) についてExcelおよびPythonを使ってハンズオンでわかりやすく紹介します。医薬品開発との関連では、薬物動態の予測についての適用事例を加えました。ソースコードも配布しますので、すぐに実践することが可能です。是非この機会に講座への参加をお待ちしております。

1. 機械学習の基礎知識
   1. 機械学習とは
   2. Pythonと機械学習
   3. 環境構築
      1. OSとフレームワーク
      2. CPUとGPU
      3. NumPy
      4. matplotlib
      5. scikit-learn
      6. Jupiter
      7. Anacondaのインストール
      8. Pythonの実行
2. 分類問題
   1. 分類問題とは
      1. 学習テストとテストセット
      2. ホールドアウトと交差検証
      3. k-分割交差検証
      4. 正答率・適合率・再現率・F値・ROC曲線下面積
   2. いろいろな分類器
      1. 決定木
      2. Random Forest
      3. AdaBoost
      4. Naive Bayes
      5. サポートベクターマシン (SVM)
   3. 薬物動態データでの適用事例
      1. 薬物動態を機械学習により予測する
      2. 肝ミクロソーム分画での安定性の予測
      3. 計算時間の問題
3. 回帰問題
   1. 回帰問題の基礎
      1. 最小二乗法
      2. 線形単回帰
      3. 線形重回帰
4. 次元圧縮
   1. 次元の呪い
      1. 過学習
      2. 情報量規準
   2. 次元圧縮
      1. 主成分分析
      2. 主成分得点・固有値・因子負荷量
5. クラスタリング
   1. 階層的クラスタリング手法
      1. Excelによる最短距離法
      2. Excelによるウォード法
   2. 非階層的クラスタリング手法
      1. k-means法
      2. 自己組織化マップ
      3. scikit-learnを用いたデータのクラスタリング
6. 深層学習
   1. 機械学習から発展した深層学習
      1. 畳み込みニューラルネットワーク (CNN)
      2. 再帰型ニューラルネットワーク (RNN)
      3. 物体検出
7. おわりに
• 質疑応答