ANALYSE DE DONNEES SPECTRALES SOUS PYTHON
Sciences analytiques
Objectifs
• Cette session de formation à l’analyse de données spectrales sous PythonTM est destinée aux scientifiques qui veulent :
• Découvrir les bases de la Chimiométrie
• Apprendre à analyser de manière autonome leurs propres spectres
• Découvrir la méthodologie propre à l’analyse des spectres et leur prétraitement
Cette session de formation nécessite une bonne connaissance des bases de programmation.
Contenu pédagogique
Introduction à PythonTM pour le Machine Learning
- Présentation de quelques librairies PythonTM pour le Machine Learning
- Utilisation de la distribution Anaconda
- Utilisation de Notebook (Jupyter, JupyterLab)
- Mise en pratique
Analyse exploratoire
- Introduction générale – Chimiométrie
- Analyse en Composantes Principales (ACP)
- Principe théorique
- Interprétation
- Détection des échantillons aberrants (outliers)
- Exercice pratique sur jeu de données sous PythonTM
Modélisation prédictive quantitative et pré-traitements
- Modèles linéaires de régression multivariée (MLR, PCR, PLS)
- Principe théorique des régressions multivariées
- Méthodes de validation des modèles
- Détection des échantillons aberrants (outliers)
- Optimisation
- Application sur jeu de données sous PythonTM
- Pré-traitements des données spectroscopique
- Correction des effets additifs
- Correction des effets multiplicatifs
- Application sur jeu de données sous PythonTM
Au cours de la formation, les principes des méthodes sont introduits par une approché géométrique. L’accent est mis sur l’utilisation pratique des méthodes et l’interprétation des résultats
Les exercices d’application sont proposés sur un jeu de données pour chaque méthode avec l’environnement PythonTM
Les notebook prêts à l’emploi (scripts Python développés par Ondalys) sont remis à chaque participant lors de la formation