【MI入門 #1】線形回帰を使った物性予測と、『失敗』から学ぶマテリアルズインフォマティクス入門

次の動画：   • 【MI入門 #2】CatBoostでリベンジ！勾配ブースティングで高精度な材料物性予...   📘 LabCodeの技術書をZennで絶賛発売中 📘 ▼ 本動画の内容を詳しく解説した技術書はこちら https://zenn.dev/labcode/books/fda58a... ▼ 他にも研究で使えるプログラミングに関する技術書を発売しています！ https://zenn.dev/labcode?tab=books ▼ ブログでも研究で使えるプログラミングに関する情報を発信しています！ https://labo-code.com/ 🌎 SNS 🌎 X ▶︎ https://x.com/LabCodeBlog Youtube 登録 ▶︎    / @labcodetube   ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 研究に使えるプログラミングの情報を発信しているLabCode（ラボコード）です！ 今回は線形回帰を使った物性予測と、あえて『失敗』から学ぶマテリアルズインフォマティクス入門について解説しました。 この動画では、Pythonとscikit-learnを使い、線形回帰モデルで鋼材の物性予測に挑戦します。しかし、目的は高精度なモデルを作ることではありません。あえてシンプルなモデルの『限界』、つまり“価値ある失敗”を体験することで、なぜより高度なモデルが必要なのかを科学的に理解し、マテリアルズインフォマティクスの本質に迫ります。データ前処理からモデル構築、そして結果の考察まで、一連の流れを丁寧に解説します。 ▼ 動画の元になった記事はこちら https://zenn.dev/labcode/books/fda58a... ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 👀 チャプター 👀 00:00 はじめに：なぜ“失敗”から学ぶのか 06:12 データ前処理の全体像 12:29 モデル訓練と評価の全体像 15:33 実行手順 28:37 結果の評価と考察 32:03 まとめ：『価値ある失敗』からの学び #LabCode #プログラミング #マテリアルズインフォマティクス #機械学習 #物性予測 #Python #scikitlearn #研究に使えるプログラミング