物理のためのデータサイエンス入門

第0章　データサイエンス、機械学習......何が嬉しいの？

第1章　推定と検定
1.1 データに最適なモデル：尤度、最尤推定、最小二乗法
1.2 モデルの不定性：χ2分布、仮説検定、信頼区間

第2章　高次元のモデルへ
2.1 モデルの過適合と汎化性能
2.2 最適化と局所解

第3章　ベイズモデリング
3.1 モデルパラメータを確率変数に
3.2 ベイズの定理
3.3 例題1：新型コロナのPCR検査
3.4 例題2：スパムフィルター
3.5 例題3：滑らかな曲線

第4章　マルコフ連鎖モンテカルロ法
4.1 確率分布からのサンプリング
4.2 MCMCの原理
4.3 様々なアルゴリズム
4.4 実践例1：活動銀河核ジェットの物理状態
4.5 実践例2：地震波形の再構成
4.6 MCMCが収束しません！

第5章　正則化とスパースモデリング
5.1 ブラックホールの夜
5.2 最小二乗法と正則化
5.3 スパースモデリング
5.4 実践例1：変光星の周期解析
5.5 実践例2：電波干渉計とMRIの画像再構成
5.6 実践例3：超新星の明るさを決める変数の選択

第6章　判別モデル
6.1 手で境界線を引いたら、ダメですか？
6.2 判別モデルの基本的な考え方
6.3 ロジスティック回帰
6.4 サポートベクトルマシン
6.5 実践例：津波堆積物

第7章　ガウス過程
7.1 頭の良いデータの取り方
7.2 ガウス過程の数理
7.3 実践例1：天体の不規則な光度変化
7.4 実践例2：ダークエミュレータ
7.5 実践例3：自動車エアコン用送風機の設計

第8章　ニューラルネットワーク
8.1 ニューラルネットワークとは
8.2 実践例1：風に煽られる望遠鏡
8.3 実践例2：超新星の捜索

付録　Pythonプログラム