Курсы PXO

Российское хемометрическое общество и Институт химической физики РАН начинает программу курсов по хемометрике и анализу многомерных данных. Основу этих курсов составляют книга Кима Эсбенсена «Анализ многомерных данных», перевод с английского под редакцией О.Е. Родионовой и программа the Unscrambler (full version 8.0) фирмы CAMO.

Минимальная продолжительность курсов - 2 дня по 6 часов. В программу входят как теоретические лекции, так и практические занятия в компьютерном классе.

Программа занятий
1. Математические модели и их особенности
	1.1. Интерполяция - как прогнозирование внутри области наблюдения.. 1.2. Экстраполяции - как прогнозирование за пределы области наблюдения.
2. Основные цели и понятия линейного анализа многомерных данных (АМД)
	2.1. Наблюдения и переменные - различные аспекты "информации". 2.2. Скрытые структуры данных и косвенные наблюдения. 2.3. Проекционная техника многомерного анализа - основные геометрические модели.
3. Метод главных компонент (МГК), интерпретация структур данных
	3.1 Представление данных в виде матриц 3.2 Пространство переменных. 3.3. Проекционное пространство ГК - основные понятия. 3.4. 'Счета' - как координаты объектов в проекционном пространстве. 3.5. 'Нагрузки' - как координаты переменных в проекционном пространстве. 3.6. Как использовать проекции МГК: Выбросы, тренды, кластеры и т.п. 3.7 Примеры и упражнения (с применением Unscrambler)
4. Введение в многомерную калибровку
	4.1 Многомерное моделирование: калибровка и предсказание 4.2 Требования к данным для калибровки (обучающие данные) 4.3 Введение в процедуру проверки модели 4.4.Количество компонент (размерность модели) 4.5 РГК - Регрессия на Главные Компоненты 4.6 Примеры и упражнения (с применением Unscrambler)
5. ПЛС - Проекция на Латентные Структуры
	5.1 Когда какой метод использовать? 5.2 Построение (калибровка) и проверка точности моделей. 5.3. Использование моделей для предсказания (интерполяция) на новые данные 5.4 ПЛС и РГК шаг за шагом 5.5 Примеры и упражнения (с применением Unscrambler)
6. Многомерная калибровка на практике
	6.1 Оптимальное число компонент 6.2 Информация, заложенная в старших компонентах 6.3 Выбросы и подгруппы 6.4 Систематическая ошибка 6.5 Подготовка данных 6.3 Упражнения по применению ПЛС и РГК (с применением Unscrambler)
7. MSPC - многомерный статистический контроль процессов
	7.1 Основная идея MSPC 7.2 Сбор данных и выбор переменных 7.3 Построение модели 7.4 Управление процессом 7.5 Упражнения по применению MSPC (с применением Unscrambler)
8. Многомерная классификация и дискриминация
	8.1 Введение в проблему 8.2 Метод SIMCA - приложение АМД 8.3 Примеры и упражнения (с применением Unscrambler)
9. Что дальше?
	9.1 Зачем и где можно применять АМД 9.2 Что не может сделать АМД 9.3 Что может сделать АМД

С предложениями о проведении курсов и с вопросами обращайтесь к секретарю РХО Родионовой Оксане Евгеньевне.