leap

生物系ウェットラボで研究していた者ですが、機械学習に挑戦しています。

leap

生物系ウェットラボで研究していた者ですが、機械学習に挑戦しています。

記事一覧

Python3 で世界の出生数を予測をしてみた。時系列データと予測モデル作成[SARIMA]

こんにちは!機械学習を勉強中の身ですが、今回初めて時系列データ分析に挑戦してみました。データは過去50年に及ぶ世界の出生数になります。世界の出生数の各年の変化をみ…

leap
4か月前
5

機械学習で創薬探索のプロセスをかじってみました(パート3:データーセットの準備と機械学習モデルの構築)

バイオインフォマティクスに疎い私ですが、創薬探索のプロセスを経験すべく、機械学習で化合物のデータを用いた分析をしてみました! パート1、2に引き続き、Data Profe…

leap
2年前
1

機械学習で創薬探索のプロセスをかじってみました(パート2:探索的データ分析)

バイオインフォマティクスに疎い私ですが、創薬探索のプロセスを経験すべく、機械学習で化合物のデータを用いた分析をしてみました! パート1に引き続き、Data Professor…

leap
2年前
1

機械学習で創薬探索のプロセスをかじってみました(パート1:データの取得と前処理)

バイオインフォマティクスに疎い私ですが、創薬探索のプロセスを経験すべく、機械学習で化合物のデータを用いた分析をしてみました! 参考にしたのは、Data Professor と…

leap
2年前

【機械学習初心者】科学論文を自然言語処理で分析してみました

はじめまして!今回は、米国国立医学図書館(NLM)が作成するPubmedという医学・生物学文献データベースから抽出した科学論文を、機械学習の自然言語処理で分析してみまし…

leap
2年前
7
Python3 で世界の出生数を予測をしてみた。時系列データと予測モデル作成[SARIMA]

Python3 で世界の出生数を予測をしてみた。時系列データと予測モデル作成[SARIMA]

こんにちは!機械学習を勉強中の身ですが、今回初めて時系列データ分析に挑戦してみました。データは過去50年に及ぶ世界の出生数になります。世界の出生数の各年の変化をみると、興味深いことに出生数が多い月とそうでない月の一定の偏りがみられました。その偏りに周期性(季節変動)があるとして、季節変動データ向けのSARIMAモデルを用いて予測を行いました。

使用環境:Python 3.11.5

データセット

もっとみる
機械学習で創薬探索のプロセスをかじってみました(パート3:データーセットの準備と機械学習モデルの構築)

機械学習で創薬探索のプロセスをかじってみました(パート3:データーセットの準備と機械学習モデルの構築)

バイオインフォマティクスに疎い私ですが、創薬探索のプロセスを経験すべく、機械学習で化合物のデータを用いた分析をしてみました!

パート1、2に引き続き、Data Professor という名前でユーチューバーをされているタイ人でバイオインフォマティクスの元准教授の Chanin Nantasenamat さんのビデオ Bioinformatics Project from Scratch - Dr

もっとみる
機械学習で創薬探索のプロセスをかじってみました(パート2:探索的データ分析)

機械学習で創薬探索のプロセスをかじってみました(パート2:探索的データ分析)

バイオインフォマティクスに疎い私ですが、創薬探索のプロセスを経験すべく、機械学習で化合物のデータを用いた分析をしてみました!

パート1に引き続き、Data Professor という名前でユーチューバーをされているタイ人でバイオインフォマティクスの元准教授の Chanin Nantasenamatさんのビデオ Bioinformatics Project from Scratch - Drug

もっとみる
機械学習で創薬探索のプロセスをかじってみました(パート1:データの取得と前処理)

機械学習で創薬探索のプロセスをかじってみました(パート1:データの取得と前処理)

バイオインフォマティクスに疎い私ですが、創薬探索のプロセスを経験すべく、機械学習で化合物のデータを用いた分析をしてみました!

参考にしたのは、Data Professor という名前でユーチューバーをされているタイ人でバイオインフォマティクスの元准教授の Chanin Nantasenamat さんのビデオ Bioinformatics Project from Scratch - Drug D

もっとみる

【機械学習初心者】科学論文を自然言語処理で分析してみました

はじめまして!今回は、米国国立医学図書館(NLM)が作成するPubmedという医学・生物学文献データベースから抽出した科学論文を、機械学習の自然言語処理で分析してみました。論文をトピックごとに分類できるのか、時代ごとに内容が変化しているのか、論文同士がどう似通っているか、などを調べました。

開発環境MacBook Air
Google Colaboratory
Python 3.6.9

ウェブ

もっとみる