Chimiometrie, chapitre 2/2 : les méthodes supervisées
Offered By: Agreenium via France Université Numerique
Course Description
Overview
Description
Peut-on estimer la composition chimique d'un échantillon en quelques secondes et sans le toucher ? Identifier son origine ? Oui ! C'est possible, en réalisant l'acquisition d'un spectre de l'échantillon et son traitement avec des outils de chimiométrie.
Chemoocs est destiné à vous rendre autonome en chimiométrie. Mais le contenu est dense! C'est pourquoi le mooc a été divisé en deux chapitres.
Ceci est le chapitre 2. Il porte sur les méthodes supervisées et la validation de méthodes analytiques. Le teaser ci-dessus donne plus de détails sur le contenu.Si vous êtes débutant en chimiométrie, nous vous conseillons de commencer par le chapitre 1, portant sur les méthodes non supervisées, d'en suivre les premiers cours et ainsi d'avoir de meilleurs pré-requis pour ce chapitre 2 de Chemoocs.
Chemoocs est orienté vers les applications de spectrométrie proche infrarouge, les plus répandues. Toutefois, la chimiométrie est ouverte à d'autres domaines spectraux : moyen infrarouge, ultraviolet, visible, fluorescence ou Raman, ainsi qu'à bien d'autres applications non spectrales. Donc pourquoi pas dans votre domaine ?
Vous appliquerez vos connaissances en réalisant nos exercices d'application grâce au logiciel ChemFlow, gratuit et accessible via un simple navigateur internet depuis un ordinateur ou un smartphone. ChemFlow a été concu pour être aussi convivial et intuitif que possible. Ainsi, il ne nécessite aucune connaissance en programmation.
A la fin de ce mooc, vous aurez acquis le savoir-faire nécessaire pour traiter vos propres données.
Bienvenue dans le monde fascinant de la chimiométrie.
Syllabus
Plan de cours
- Semaine 0
- - Présentation du mooc
- Prise en main de la plateforme FUN
- Découverte du logiciel ChemFlow
- Introduction à la chimiométrie avec quelques définitions
- Statistiques simples
- Rappels sur l'analyse en composantes principales (ACP)
- - Présentation du mooc
- Semaine 1
- - Prétraitements (1/2)
- Régression linéaire
- - Prétraitements (1/2)
- Semaine 2
- - PLSR-Régression aux moindres carrés partiels (1/2)
- PLSR-Régression aux moindres carrés partiels (2/2)
- - PLSR-Régression aux moindres carrés partiels (1/2)
- Semaine 3
- - Prétraitements (2/2)
- Bonnes pratiques de modélisation
- - Prétraitements (2/2)
- Semaine 4
- - Discrimination (1/2)
- Discrimination (2/2)
- - Discrimination (1/2)
- Semaine 5
- - Sélection de variables (1/2)
- Sélection de variables (2/2)
- - Sélection de variables (1/2)
- Semaine 6
- - Robustesse des modèles
- Analyse de variance, ASCA
- - Robustesse des modèles
- Semaine 7
- - Validation de méthodes (1/2)
- Validation de méthodes (2/2)
- - Validation de méthodes (1/2)
Tags
Related Courses
Machine LearningUniversity of Washington via Coursera Machine Learning
Stanford University via Coursera Machine Learning
Georgia Institute of Technology via Udacity Statistical Learning with R
Stanford University via edX Machine Learning 1—Supervised Learning
Brown University via Udacity