🧭 はじめての方へ

機械学習や材料インフォマティクスをこれから体系的に学びたい方へ。全体像 → 数理の土台 → 応用の入口、の順がおすすめです。

1. 機械学習の全体像をつかむ教師あり・教師なし学習から評価まで、基本用語と流れを一望。機械学習入門 →
2. 数理の土台を固める微分・積分・線形代数など、あらゆる手法の前提となる数学をPython実装とともに。微積分とベクトル解析入門 →
3. 応用の入口に立つデータ駆動型材料開発（マテリアルズ・インフォマティクス）の考え方と進め方。MI入門 → ／ MI学習ロードマップ →

その先は、興味に応じて機械学習道場や材料科学基礎道場へ。

プロセス産業・製造現場でデータ活用を実装したい方へ。すぐ試せるコード例を軸に、最適化・デジタルツインへ。

1. プロセスデータ活用の基礎プロセス・インフォマティクス（PI）の全体像と、現場データの扱い方。プロセス・インフォマティクス入門 →
2. 最適化を武器にする勾配降下法からベイズ最適化まで、条件探索・ハイパーパラメータ調整の実践。機械学習のための最適化 →
3. 現場適用へ進むデジタルツインで実プロセスを再現し、監視・予測・最適化に活かす。デジタルツイン →

品質・安全・スケールアップなど、より実務寄りのテーマはプロセス・インフォマティクス道場に揃っています。

材料・化学系のバックグラウンドで最新のAI手法を取り入れたい方へ。基礎を素早く押さえ、発展トピックへ直行。

1. MIの作法を押さえる記述子設計・モデル評価・実験計画など、研究に直結する基本を確認。MI入門 →
2. 発展手法に踏み込むグラフ・系列・逐次最適化の最前線。目的に近いものから。GNN入門 ／ Transformer入門 ／ ベイズ最適化入門
3. 基礎を補強する結晶学・熱力学・物性論など、解釈に必要な材料科学の基盤。材料科学入門 →

目的のトピックが決まっているなら、全文検索が最短です。