Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
2018年度 化学工学特論2 第3回
Search
Hiromasa Kaneko
January 27, 2019
Technology
1
3.8k
2018年度 化学工学特論2 第3回
今回の達成目標
アルゴリズム
アレニウスの式および実験データ
Hiromasa Kaneko
January 27, 2019
Tweet
Share
More Decks by Hiromasa Kaneko
See All by Hiromasa Kaneko
決定係数 r2 と相関係数 r
hkaneko
0
11k
ガウス過程による潜在変数モデル(Gaussian Process Latent Variable Model, GPLVM)
hkaneko
0
9.2k
Ensemble Online Support Vector Regression (EOSVR)
hkaneko
0
1.8k
Local Outlier Factor (LOF)
hkaneko
0
11k
転移学習 (Transfer Learning) を用いたデータ解析
hkaneko
0
12k
[解析結果付き] Boruta、ランダムフォレストの変数重要度に基づく変数選択手法
hkaneko
1
21k
PLS における回帰係数
hkaneko
1
11k
勾配ブースティング (Gradient Boosting)
hkaneko
1
21k
2018年度 化学プロセスシステム工学 第1回
hkaneko
0
3.8k
Other Decks in Technology
See All in Technology
Everything Claude Code を眺める
oikon48
13
8.8k
Visional 28新卒プロダクト職(エンジニア/デザイナー)向け 会社説明資料 / Visional Company Briefing for Newgrads 28
visional_engineering_and_design
1
110
Mitigating geopolitical risks with local-first software and atproto
ept
0
140
It’s “Time” to use Temporal
sajikix
3
240
「コントロールの三分法」で考える「コト」への向き合い方 / phperkaigi2026
blue_goheimochi
0
110
生成AIで速度と品質を両立する、QAエンジニア・開発者連携のAI協調型テストプロセス
shota_kusaba
0
300
コンテキスト・ハーネスエンジニアリングの現在
hirosatogamo
PRO
6
650
GCASアップデート(202601-202603)
techniczna
0
240
Kiroで見直す開発プロセスとAI-DLC
k_adachi_01
0
110
"作る"から"使われる"へ:Backstage 活用の現在地
sbtechnight
0
230
詳解 強化学習 / In-depth Guide to Reinforcement Learning
prinlab
0
340
A Casual Introduction to RISC-V
omasanori
0
500
Featured
See All Featured
世界の人気アプリ100個を分析して見えたペイウォール設計の心得
akihiro_kokubo
PRO
68
37k
Collaborative Software Design: How to facilitate domain modelling decisions
baasie
0
160
Jamie Indigo - Trashchat’s Guide to Black Boxes: Technical SEO Tactics for LLMs
techseoconnect
PRO
0
87
Efficient Content Optimization with Google Search Console & Apps Script
katarinadahlin
PRO
1
420
The Web Performance Landscape in 2024 [PerfNow 2024]
tammyeverts
12
1.1k
Breaking role norms: Why Content Design is so much more than writing copy - Taylor Woolridge
uxyall
0
210
Docker and Python
trallard
47
3.8k
How To Speak Unicorn (iThemes Webinar)
marktimemedia
1
410
Into the Great Unknown - MozCon
thekraken
40
2.3k
Optimizing for Happiness
mojombo
378
71k
How to Get Subject Matter Experts Bought In and Actively Contributing to SEO & PR Initiatives.
livdayseo
0
85
RailsConf 2023
tenderlove
30
1.4k
Transcript
化学⼯学特論2 第3回 2018年10月8日 (月) 0 理⼯学部 応用化学科 データ化学⼯学研究室 専任講師 ⾦⼦
弘昌
今回の達成目標 Jupyter notebook に慣れる 基本的な Python の使い⽅を理解する 関数の使い⽅を理解する numpy, pandas
というモジュールの使い⽅を理解する アルゴリズムについて考えるコツをつかむ 1
アルゴリズム 問題を解くための手順を定式化した形で表現したもの (wikipedia) 解きたい問題を、プログラミングで (Pythonで) どうやって解くか︖ プログラミングが難しい、といっているとき、問題の半分以上は アルゴリズムの問題︕ 2
アルゴリズム 累乗の和 フィボナッチ数列 ソート ある数が素数かどうか判定したい アレニウスの式 [発展] ⼀次反応の反応速度式をシミュレーションしたい 3
アレニウスの式および実験データ 4 k [L・mol-1・s-1]︓反応速度定数 k0 [L・mol-1・s-1]︓頻度因⼦ E [J・mol-1]︓活性化エネルギー T [K]︓温度
R [J・K-1・mol-1]︓気体定数 (8.31) 0 exp E k k RT = − T [K] 300 350 400 450 500 k [L・mol-1・s-1] 7.9×106 3.0×107 7.9×107 1.7×108 3.2×108 実験データ