Analizy chemometryczne w Statistica – kurs podstawowy

online lub stacjonarnie 2 dni

Zastosowanie: Nauki inne, Przemysł, jakość, technologia

Oprogramowanie: Statistica | Poziom: Podstawowy | Język: Polski

Cena regularna: 2795 zł netto

Cena dla akademickich użytkowników Statistica (-20%)*: 2236 zł netto

Zapisz się

Zarezerwuj / Zapytaj

O kursie
Program
Prowadzący
Informacje organizacyjne
Ceny

Po wprowadzeniu teoretycznym do zagadnienia analizy danych uczestnicy poznają techniki planowania i wykonania eksperymentu. Zostaną omówione podstawowe techniki analizy chemometrycznej:

analiza podobieństwa (analiza skupień, jednoczesna analiza obiektów i cech),
analiza dyskryminacyjna,
analiza głównych składowych.

Dane wykorzystywane w trakcie szkolenia pochodzą z rzeczywistych badań chemiczno-mikrobiologicznych opublikowanych w literaturze o zasięgu światowym.

Dla kogo?

Dla wszystkich, którzy chcą poznać podstawowe techniki analizy chemometrycznej.

Co zyskasz?

Dowiesz się, jak prawidłowo zaplanować i przeprowadzić eksperyment.
Poznasz strategie postępowania w przypadku braków danych (stężenie analitu jest niższe niż granica wykrywalności metody analitycznej lub nie wykonano pomiaru).
Poznasz znaczenie etapu kontroli danych i strategie transformacji zmiennych.
Dowiesz się, jak radzić sobie z problemami jakości wyników analiz, opisem doświadczenia i subiektywną oceną jakości próbek.
Nauczysz się przeprowadzać analizę podobieństwa, analizę dyskryminacyjną, analizę składowych głównych.
Dowiesz się, jak ułatwić sobie pracę, wykorzystując program Statistica.

Program szkolenia:

Wstęp
- cele i program szkolenia
Wprowadzenie teoretyczne do technik chemometrycznych
Planowanie i wykonanie eksperymentu
- wyniki analiz
- opis doświadczenia
- parametry eksperymentu
- ocena organoleptyczna (głównie wizualna/zapachowa) jakości próbek
Przygotowanie danych
- braki danych
  - zastępowanie braków w danych w przypadku gdy wartość oznaczenia była niższa niż granica wykrywalności metody analitycznej
  - zastępowanie braków w sytuacji gdy nie wykonano pomiaru
- kontrola danych
  - wyeliminowanie pomyłek powstałych w trakcie przygotowania danych, czyli tzw. „błędów grubych”
  - wykrycie w zbiorze danych obiektów różniących się istotnie od innych, czyli tzw. punktów odbiegających
  - uzyskanie przesłanek do ewentualnej transformacji niektórych zmiennych
  - określenie jednorodności zbioru danych, czyli potwierdzenie pochodzenia wszystkich danych z tej samej populacji
- transformacja zmiennych
  - normalizacja
  - autoskalowanie
  - centrowanie
  - inne
Podstawowe informacje o zarządzaniu arkuszem
- usuwanie danych parami
- zstępowanie średnią
- etykiety tekstowe – włączanie/wyłączanie przypadków
Analiza podobieństwa – CA (ang.: Cluster Analysis)
- wstęp teoretyczny
- analiza skupień (grupowanie względem obiektów i cech)
  - metody aglomeracji (pojedyncze wiązanie, pełne wiązanie, średnich połączeń, średnich połączeń ważonych, metoda Warda)
  - miary odległości (odległość euklidesowa, odległość kwadratowa euklidesowa, odległość Manhattan, odległość Czebyszewa, 1-r Persona, niezgodność procentowa)
  - indeks Sneatha w ocenie ilości statystycznie istotnych skupisk
- jednoczesna analiza obiektów i cech, technika „cluster imaging”
Techniki czynnikowe: PCA (technika analizy głównych składowych; ang.: Principal Component Analysis)
- wstęp teoretyczny
- definiowanie analizy
- identyfikowanie liczby istotnych czynników (wykres osuwiska, kryterium jedności)
- strategie rotacji
- interpretacja głównych składowych (wartość własna, % wyjaśnionej wariancji, % skumulowany wyjaśnionej wariancji)
- wizualizacja
- wyjaśnienie różnicy pomiędzy wizualizacją ładunków czynnikowych i wartości czynnikowych
Analiza funkcji dyskryminacyjnej: LDA (ang.: Linear Discriminant Analysis)
- wstęp teoretyczny
- analiza krokowa (standardowa, postępująca)
- wybór zmiennych
- definiowanie analizy
- interpretacja wyników
Przykłady do samodzielnej analizy

Polecamy kolejne szkolenia:

Z cyklu data mining
DOE – komputerowe wspomaganie planowania i analizy statystycznej badań innowacyjnych

[PL} Portret uśmiechniętego prof. dr hab. inż. Aleksandera Astela w niebieskiej koszuli na jasnym tle. [EN] A portrait of the smiling Professor Aleksander Astel in a blue shirt against a light background.

prof. dr hab. inż. Aleksander Astel

Specjalizuje się w zastosowaniu metod chemometrycznych (metody czynnikowe, grupowanie bez i z nadzorem, modele regresyjne i receptorowe) w eksploracji baz danych uzyskanych z monitoringu środowiskowego, analiz toksykologicznych i oznaczania mikroplastików w próbkach biotycznych i abiotycznych. W ostatnich latach zainteresowania dotyczą również detekcji cech i przetwarzania obrazu w zastosowaniach we współrzędnościowych maszynach pomiarowych z wykorzystaniem algorytmów klasycznych i sieci neuronowych. Współpracuje z StatSoft od 2004 roku. Prowadzi szkolenia: Analizy chemometryczne w Statistica – kurs podstawowy i Analizy chemometryczne w Statistica – kurs zaawansowany. Realizował granty naukowe „Optymalizacja chemometrycznych technik eksploracji i modelowania wyników z monitoringu chemicznych zanieczyszczeń wybranych komponentów środowiska”, „Hydroekologiczne uwarunkowania funkcjonowania ekosystemów jezior przybrzeżnych południowego Bałtyku” i „Wpływ wylesień spowodowanych klęską ekologiczną na zróżnicowanie przestrzenne i zmiany chemizmu wód źródlanych i powierzchniowych w Beskidzie Śląskim”. Autor blisko 100 publikacji w czasopismach indeksowanych w bazie Scopus. Profesor, Zakład Chemii i Toksykologii Środowiska, Uniwersytet Pomorski w Słupsku, oraz inżynier w obszarze analizy danych w Carl Zeiss IQS Software R&D Center.

Godziny zajęć: 8:15 – 15:30

W ramach szkolenia zapewniamy:

obszerne materiały szkoleniowe
świadectwo ukończenia szkolenia
przerwy kawowe i obiad (dla szkoleń stacjonarnych)

Forma szkolenia:

online lub stacjonarnie
forma danej edycji podana przy terminie szkolenia

W przypadku szkoleń online:

zajęcia prowadzone na żywo w MS Teams
kontakt z prowadzącym w czasie rzeczywistym

Wymagania:

umiejętność obsługi komputera w środowisku Windows
podstawowa znajomość pakietu Statistica
zalecamy wcześniejszy udział w kursie Statistica kurs podstawowy

Cena regularna: 2795 zł netto (+23% VAT)

Cena dla akademickich użytkowników Statistica (-20%)*: 2236 zł netto (+23% VAT)

*-20% dla akademickich użytkowników Statistica z aktywnym serwisem StatSoft Polska

Ceny mogą ulec zmianie.

Podobne szkolenia

Data Science w Python – szybki start

Data science to dziedzina łącząca w sobie informatykę, statystykę, uczenie maszynowe i praktyczną umiejętność rozwiązywania problemów ze świata rzeczywistego (wiedzę domenową). Umiejętności data science […]

Dowiedz się więcej

Sztuczna inteligencja (AI) w wielowymiarowej analizie danych

Dla kogo? Szkolenie przeznaczone jest dla analityków pragnących nauczyć się efektywnie wykorzystywać narzędzia generatywnej AI w wielowymiarowej analizie danych. Podczas szkolenia […]

Dowiedz się więcej

DOE – komputerowe wspomaganie planowania i analizy statystycznej badań innowacyjnych

Uczestnicy szkolenia poznają w praktyce szeroki zestaw metod DOE (Design of Experiment – planowania eksperymentu), które umożliwiają efektywne pozyskiwanie informacji z wyników badań w naukach technicznych […]

Dowiedz się więcej