L'exploration et l'analyse des données en spectroscopie proche infrarouge Présentiel

Il s'agit de permettre aux personnes formées d'être en capacité, de façon autonome, d'explorer les donnée spectrales en proche infrarouge (NIR) et d'établir des modèles prédictifs pour des propriété quantitatives. Pour cela, il leur sera expliqué les principes généraux de la spectroscopie proche infrarouge, de l'analyse en composantes principales (PCA) et de la régression sur les moindres carrés partiels (PLS-R) appliquées aux données spectrales NIR. Ensuite, des exercices pratiques permettront de se retrouver en situation réelle. L'ensemble des analyses seront effectuées avec le logiciel en ligne et gratuit, ChemFlow, qui aura été au préalable présenté. Une rapide démonstration sera réalisée avec le logiciel R et le package rchemo.

Acquérir les connaissances et compétences sur les principes, les méthodes de la spectroscopie NIR et les approches associées en chimiométrie :

• Revoir les principes de base de la spectroscopie proche infrarouge
• Vérifier la qualité des données et savoir interpréter des spectres
• Comprendre pourquoi, quand et comment prétraiter les données spectrales
• Utiliser l'ACP pour l'exploration des données et vérifier leur qualité 
• Comprendre les principales étapes de l'établissement et l'évaluation de modèles 
• Développer des modèles prédictifs par PLS-R
• Apprendre à utiliser ChemFlow et rchemo sur R

Professionnels de la filière

Connaissances des concepts en régression linéaire, statistiques descriptives, analyse multivariée (ACP)

Avoir suivi le mooc sur FUN :  Chemoocs (partie 1 minimum)

Partie théorique / exercices / Mise en situation

Exercices sous forme de travaux dirigés

Exercice final de mise en situation évalué

Supports de cours sous forme de ppt fournis

Logiciel en ligne ChemFlow : https://chemflow.eu/login/start?redirect=%2F

Référence :Virginie Rossard, Jean Claude Boulet, Fabien Gogé, Eric Latrille, Jean-Michel Roger. ChemFlow, chemometrics using Galaxy. Galaxy Community Conference - GCC2016, Indiana University. USA., Jun 2016, Bloomington, United States. ⟨10.7490/f1000research.1112573.1⟩. ⟨hal-01837798⟩

Ressources ChemHouse

Package rchemo

Référence : Brandolini-Bunlon M., Jallais B., Roger J.M. Lesnoff M., 2023 R package rchemo: Dimension Reduction, Regression and Discrimination for Chemometrics. https://github.com/ChemHouse-group/rchemo

Réponses aux exercices finaux d'évaluation, explications, déroulement des étapes

Rappel des points clés

Questionnaire de satisfaction GoogleForm

Discussions et évaluation de la formation (évaluation de la formation, tour de table, présentation et questionnaire de satisfaction à remplir via GoogleForm ou autre)