Curso Unscrambler-X

Análise Multivariada de Dados

com Cristina Malegori (Universidade de Gênova)

 

• Nível básico (não necessita conhecimento prévio)
  28, 29, 30 de Outubro de 2019

• Nível avançado
  31 de Outubro e 1 de Novembro de 2019

 

Local: Embrapa Informática UNICAMP
               Av. Dr. André Tosello, 209 – Cidade Universitária, Campinas – SP, 13083-886

Oferecimento

Se o mundo é multivariado,
sua análise também deve ser.

 

A maioria dos problemas do mundo é de natureza multivariada, ou seja, originam-se sob a influência de diversas variáveis.

Análise Multivariada ou MVA (Multivariate Data Analysis)

A Análise Multivariada ou MVA (Multivariate Data Analysis), é uma técnica analítica que usa informações de várias fontes, simultaneamente, para obter uma imagem melhor, mais completa e mais otimizada do ambiente. É uma ferramenta que encontra padrões e relações entre várias variáveis, permitindo prever efeitos e mudanças que uma variável terá sobre a outra.

Sobre o Unscrambler-X 

O Unscrambler X utiliza Mínimos Quadrados Parciais (PLS), Análise de Componentes Principais (PCA), PLS de três vias, resolução de curvas multivariadas , Planejamento Experimental (DOE), classificação supervisionada, classificação não supervisionada e análise de cluster para:

  • Detecção de Desvios
  • Monitorar processo
  • Rastrear KPI Dinâmico

Análise Multivariada ou MVA (Multivariate Data Analysis)

A Análise Multivariada ou MVA (Multivariate Data Analysis), é uma técnica analítica que usa informações de várias fontes, simultaneamente, para obter uma imagem melhor, mais completa e mais otimizada do ambiente. É uma ferramenta que encontra padrões e relações entre várias variáveis, permitindo prever efeitos e mudanças que uma variável terá sobre a outra.

Sobre o Unscrambler-X 

O Unscrambler X utiliza Mínimos Quadrados Parciais (PLS), Análise de Componentes Principais (PCA), PLS de três vias, resolução de curvas multivariadas , Planejamento Experimental (DOE), classificação supervisionada, classificação não supervisionada e análise de cluster para:

  • Detecção de Desvios
  • Monitorar processo
  • Rastrear KPI Dinâmico

Sobre a Instrutora – Srta. Cristina Malegori, PhD 

Atualmente é bolsista de pós-doutorado na Universidade de Gênova, no Grupo de Química Analítica e Quimiometria. Tem grande experiência na aplicação de estratégias inovadoras baseadas em espectroscopia de infravermelho próximo, dispositivos portáteis e imagens hiperespectrais. É membro do conselho do JSI – Journal of Spectral Imaging e é secretária e tesoureira da Sociedade Italiana de Espectroscopia NIR (SISNIR) desde 2016.

 

Empresas que utilizam o Software 

Sobre a Instrutora – Srta. Cristina Malegori, PhD 

Atualmente é bolsista de pós-doutorado na Universidade de Gênova, no Grupo de Química Analítica e Quimiometria. Tem grande experiência na aplicação de estratégias inovadoras baseadas em espectroscopia de infravermelho próximo, dispositivos portáteis e imagens hiperespectrais. É membro do conselho do JSI – Journal of Spectral Imaging e é secretária e tesoureira da Sociedade Italiana de Espectroscopia NIR (SISNIR) desde 2016.

 

Empresas que utilizam o Software 

Para quem o curso se destina.

 

• Envolvidas em P&D, desenvolvimento de produtos, otimização de processos, controle de qualidade e monitoramento.

•Trabalhando com instrumentos espectroscópicos (NIR, FTIR, UV,/VIS, NMR, DAS, Raman, Espectroscopia de Massas), instrumentos cromatográficos (LC, CE, GC, HPLC), dados de produção e dados sensoriais, P&D, controle de qualidade ou processos de produção, isto é, trabalhando com conjuntos de dados complexos de muitas variáveis.

Agendas e valores

 

Curso Básico

Dia 1

  • Seção 1 – Introdução à Análise Multivariada
  • O mundo é multivariado
  • Conceitos de multivariado
  • Exemplos de multivariado
  • Fluxo de trabalho de análise de dados
  • Seção 2 – Noções e termos utilizados em MVA1
  • Variáveis explicativas, de design e de resposta
  • Variáveis fictícias
  • Seção 3 – Importação e manuseio de dados
  • Dados históricos x experimentos planejados
  • Importação e manuseio de dados
  • Seção 4 – Diagnóstico e plotagem
  • Diferentes tipos de plotagem
  • Agrupamento de amostra
  • Intervalo
  • Seção 5 – Análise de Componente Principal
  • Análise exploratória de dados
  • O princípio da projeção
  • Interpretação
  • Teoria de background
  • Validação
  • Projeção de novas amostras

Dia 2

  • Seção 6 – Detecção de valores atípicos
  • O que é um valor atípico
  • Diferentes gráficos diagnósticos
  • Seção 7 – Métodos de Regressão
  • Conceito
  • Regressão Linear Múltipla – MLR
  • Regressão de Componente Principal – PCA
  • Intervalo
  • Regressão de Mínimos Quadrados Parciais – PLS
  • Interpretação
  • Predição
  • Seção 8 – Métodos de validação
  • Por que validar?
  • Estágios de modelagem
  • Conjunto de testes
  • Validação cruzada
  • Replicata

Dia 3

  • Seção 9 – Como ser um bom analista de dados?
  • Regras em análise multivariada
  • Conselhos na fase de modelagem
  • Validação dos modelos
  • Exercícios e discussões finais
 

Curso Avançado

Dia 1

  • Interpretação de variáveis latentes de modelos
  • Otimizando a calibração de seu modelo
  • Predição multivariada
  • Classificação multivariada

Dia 2

  • Análise de grande volume de dados (Big e Multiple Data)
  • MVA na era da inteligência Artificial (AI)

Mais informaçōes

 

(11) 3995-3450

thais@astro34.com.br

Nível Básico (não requer experiência prévia)
   28, 29, 30 de Outubro de 2019

Nível Avançado
   31 de Outubro e 1 Novembro de 2019

 

Local: Embrapa Informática UNICAMP Universidade Estadual de Campinas
Av. Dr. André Tosello, 209 – Cidade Universitária, Campinas – SP, 13083-886