1 導入
1.1 データ取得コストが高い現実の問題(創薬・新規材料開発を例に)
1.2 機械学習によるデータ駆動型アプローチ(能動学習,実験計画という考え方について)
2 ベイズモデルによる機械学習とベイズ最適化の基礎
2.1 ブラックボックスなシステムのベイズ統計的モデリング
2.1.1 ベイズ線形回帰
2.1.2 ガウス過程回帰
2.2 ベイズ最適化の方法論
2.2.1 導入:ブラックボックス関数のベイズ最適化
2.2.2 獲得関数の設計
2.2.3 連続値出力な関数に対するベイズ最適化
2.2.4 離散値出力な関数に対するベイズ最適化(2値出力を例に)
2.2.5 ベイズ最適化におけるハイパーパラメータの調整
3 応用事例紹介
3.1 深層学習におけるハイパーパラメータチューニングへの応用
3.2 適応的マッピングによる材料の低品質領域の高速推定
3.3 イオン伝導性物質の伝導度推定
4 ベイズ最適化の実行
4.1 Pythonによるベイズ最適化の実装方法の紹介
4.2 ベイズ最適化の実行例のデモ紹介