1．マテリアルズ・インフォマティクス概要
1）機械学習の基礎
2）機械学習応用の流れと課題設定の重要性
3）代表的な機械学習応用事例の紹介
4）物質・材料データの特徴と注意点
5）「分かりたい」のか「見つけたい」のか？
6）情報科学市民権
7）物質科学の立場として忘れてはいけないこと
2．スペクトルデータの低次元化とクラスター解析
1）高次元データとしてのスペクトルと低次元化の重要性
2）分類：教師あり学習と教師なし学習
3）特徴空間と類似度
4）特徴空間の解釈性と表現性
5）主成分解析によるスペクトルの低次元化
6）k-means法によるスペクトルの分類
7）階層的クラスタリングによるスペクトルの分類
3．予測（回帰）：予測モデルとモデル選択
1）予測・モデル選択の応用例
2）モデル推定の種類（最尤法, MAP推定, ベイズ推定）
3）確率論的にみた回帰と正則化
4）非線形モデリングの困難
a）マルコフ連鎖モンテカルロ法によるパラメータ最適化
b）情報量基準によるモデル選択
c）解析事例
4．スペクトル解析のためのEMアルゴリズムによるピーク検知
1）ピーク検知のための処理フロー
2）非線形最小二乗法の困難
3）回帰と分布推定の違い
4）ガウス分布の最尤推定
5）EMアルゴリズムによる最尤推定
6）スペクトル解析のための改良EMアルゴリズム
7）解析事例