Pythonでインフォマティクス Pythonで分子の形を立体的（３D）に見る（情報Ⅰプログラミング×化学③）
化学構造式は平面（2D）で描かれますが、実際の分子の形は立体的（3D）です。 同じ平面構造でも3Dの形が異なる場合があり、これを「異性体」と呼びます。 異性体は形が違うと性質も異なるため、分子を3Dでとらえることは重要です。今回は、Pyth...
hiratomoko
Pythonでインフォマティクス 
Pythonでインフォマティクス BindCraft: AIが拓く新たなタンパク質バインダー設計
タンパク質は生命活動を担う多機能な生体分子であり、その機能の多くはタンパク質間相互作用（Protein-protein interactions：PPIs）によって発揮されています。このPPIsを標的として阻害や制御できるタンパク質バインダ...
Pythonでインフォマティクス 高校情報Ⅰ モンテカルロ法と機械学習（5か月目第4週）
まなびの目標🎯・モンテカルロ法の基本的な考え方を、円周率の計算を例に理解する。・AIの代表的な学習方法である教師あり学習と教師なし学習の違いを理解する。・確認テストで学びを復習！■目次1. ランダムさで答えを探す「モンテカルロ法」 1.1 ...
Rでデータ解析と可視化 RでMDS（多次元尺度構成法）②非計量MDS（NMDS）
前回、サンプル間の実際の距離をできるだけ再現する、計量MDS（PCoA）を解説しました。しかし、生態学の生物データやアンケート結果など、データによってはAとBの距離は2.5という正確な距離の値よりも、AとBは、AとCよりも近い、という“順序...
高校情報Ⅰと実践活用 高校情報Ⅰ モデル化とシミュレーション（5か月目第3週）
まなびの目標🎯・現実世界の事象を単純化して捉えるモデル化について理解する。・様々なモデルの種類について知る。・モデルを使って模擬実験を行うシミュレーションの役割と重要性を理解する。・確認テストで学びを復習！■目次1. 現実世界を単純な形で表...
Rでデータ解析と可視化 RでMDS（多次元尺度構成法）①計量MDS（Metric MDS／PCoA）
「たくさんの商品について、顧客が感じているいろいろな性能の近さを可視化したい」「日本の各都道府県の統計データ（人口密度、平均所得、日照時間など）から、『都道府県の特性の近さ』を可視化したい」データ分析では、たくさんの変数で構成されるデータか...
高校情報Ⅰと実践活用 高校情報Ⅰ 情報システムとシステム開発（5か月目第2週）
まなびの目標🎯・コンビニやネットショッピングなど、身の回りで活躍する情報システムの事例を知る。・システム開発の基本的な2つの流れ（ウォーターフォール開発とアジャイル開発）について理解する。・AIやIoTなど、最新のテクノロジーが情報システム...
Pythonでインフォマティクス 高校情報Ⅰ 探索アルゴリズム（線形探索・二分探索）（5か月目第1週）
まなびの目標🎯・探索アルゴリズムの基本的な考え方を理解する。・線形探索の仕組みと、Pythonでの書き方を学ぶ。・二分探索の仕組みと、Pythonでの書き方を学ぶ。・それぞれのアルゴリズムの長所・短所を理解し、使い分けを考える。・確認テスト...
Rでデータ解析と可視化 Rでメタアナリシス③ ーサブグループ解析, メタ回帰ー
メタアナリシスは、複数の研究結果を統合し、より高いエビデンスレベルの結論を導き出すものです。これまで、Rを用いて、dat.laopaiboon2015データセットに含まれる下気道感染症に対する薬剤投与に関する複数の臨床結果について、メタアナ...
Rでデータ解析と可視化 Rで機械学習②：ランダムフォレスト
「この顧客は、キャンペーンに反応してくれる可能性が高いか？」「どの特徴を持つ製品が、高い評価を得やすいか？」前回は、機械学習の代表的な手法として、判断のプロセスが分かりやすい決定木について紹介しました。決定木は、データを分類するためのルール...