■　本書のポイント
≪１≫ 化学構造の表現・数値化と記述子の設計法
　　 最新の分子記述子、その種類と活用法

≪２≫ データ収集・データベース構築での留意点
　　 解析の精度向上やデータ取得コストに留意したデータ収集、実験回数最適化

≪３≫ データセットの作成と各種解析手法の活用事例
　　　データ可視化・低次元化、 クラスタリング、クラス分類、線形回帰
　　　非線形データ解析・モデリング、ハイパーパラメータ最適化
　　　スパースモデリング、ベイズ最適化、少ないデータ対策

≪４≫ 機械学習の具体的活用とその事例
　　　転移学習の活用事例、過学習に留意した最適なモデル構築
　　　説明可能AI、Python、KNIME、量子コンピュータの活用

≪５≫ 合成経路探索・反応条件の最適化
　　　AIによる合成条件推薦システム、逆合成解析、触媒選択、
　　　　　　 フロー合成の条件最適化、物質合成パラメータの最適化

≪６≫ 化学物質・材料設計や医薬品開発への活用
　　　化学物質・材料設計分野：
　　　　　　　 スパースモデリングによる特徴量エンジニアリング、
　　　　　　　 ベイズ最適化によるポリマー設計、ハイスループット材料合成
　　　医薬品開発分野：
　　　　　　　創薬リード探索への活用、化学構造の生成、タンパク質の配列設計、
　　　　　　　 代謝物構造推定、 メタボロームDB、安全性情報DB活用

≪７≫ 化学物質の毒性評価
　　　オープンデータベースの活用、ＱＳＡＲ解析

≪８≫ 分析インフォマティクスとの連携・活用
　　　HPLC分析メソッド開発、NMR化学シフト予測の高精度化、TOF-SIMS解析