化学系、化学工学系の学生や研究者、技術者にとってデータサイエンス・機械学習を学ぶことの大きなハードルはプログラミングであり、またとっつきやすい実課題への適用例が見つけにくいことだ。

本書は化学におけるデータサイエンス・機械学習に焦点を当てて執筆された数少ない書籍である。本書のポイントは主に３つある。

１つ目に、化学・化学工学で機械学習・データサイエンスを使う際に考えるべき一連の知識（オーバーフィッティング、多重共線性、非線形性など）や化学の実課題への適用例（材料設計、分子設計、化学プラントのソフトセンサーなど）を通じて学ぶことができる点がある。特に適用例は企業で働いている化学者や化学工学者には馴染み深い課題であり、学習課題として最適である。

２つ目に、丁寧なPythonのインストールの説明から説明が始まっており、またサンプルコードも充実していることからプログラミング未経験の人でも勉強を始めるハードルが低いことが上げられる。コードは既に出来上がっているサンプルが公開されているので、動作確認しながら学習を進められる。また著者がSlackにて無料のオンラインサロンを運営しており、無料でいつでも内容について聞いたり相談できる点も魅力的だ。

３つ目に、各処理や機械学習モデルについてコードだけではなく、数式や理論の解説もされていることもポイントだ。１つの本の中に必要な知識が詰め込まれており、この一冊を読めば化学分野における解析の全体像を把握することができる。

機械学習・データサイエンスの初学者やこれから勉強を始めようとしている化学系・化学工学系の学生、研究者、技術者の道標となる一冊だ。

第1部　Pythonと統計の基礎知識
1章　Pythonの基礎
2章　データの図示

第2部　データ解析・機械学習の基礎
3章　多変量データとデータの可視化
4章　化学データを用いたモデリング
5章　回帰モデル・クラス分類モデルの適用範囲

第3部　化学・化学工学データでの実践のしかた
6章　材料設計・分子設計・医薬品設計
7章　時系列データの解析

・

Toru_Hasegawa