Schulungs - Auswahl


0

 

Gesamtsumme

Anzahl

Produkt anfragen

Solo bietet Wissenschaftlern und Ingenieuren eine Vielzahl von Point-and-Click-Tools für die Datenanalyse, darunter PLS, PCA und viele andere multivariate und maschinelle Lernmethoden. Es enthält die wichtigsten grafischen Benutzeroberflächen der PLS-Toolbox, aber MATLAB ist nicht erforderlich! Importieren Sie Daten aus einer Vielzahl unterschiedlicher Dateitypen und fügen Sie sie schnell zu praktischen DataSet-Objekten zusammen, um Beschriftungen, Achsenskalen und Klassen einfach zu verwalten. Mit nur einem Klick können Sie Daten in die Analyse einbeziehen oder davon ausschließen. Ziehen Sie Daten per Drag-and-Drop in unser umfassendes Analysefenster, um die Ergebnisse zu modellieren und zu analysieren. Unser integrierter Modellierungsleitfaden und der Zugriff auf eine große Anzahl von Analyse- und Vorverarbeitungstechniken machen diese grafische Benutzeroberflächenumgebung für Anfänger und Experten gleichermaßen geeignet.

 

Solo bietet die grafischen Schnittstellen, um Daten schnell zu verwalten und zu analysieren, Modelle zu erstellen und anzuwenden sowie Ergebnisse zu interpretieren.

 

DIE WICHTIGSTEN METHODEN:

  • Datenexploration und Mustererkennung (Principal Components Analysis (PCA), Parallele Faktorenanalyse (PARAFAC), Multiway PCA...)
  • Klassifizierung (SIMCA, k-nearest neighbors, Partial Least Squares Discriminant Analysis (PLS-DA), Support Vector Machine Classification (SVM-DA), Artificial Neural Network Classification (ANN-DA), Boosted Regression and Classification Trees (XGBoost), Clustering (HCA)...)
  • Lineare und nichtlineare Regression (Partial Least Squares (PLS), Principal Components Regression (PCR), Multiple Linear Regression (MLR), Classical Least Squares (CLS), Support Vector Machine Regression (SVM), Artificial Neural Networks (ANN), Boosted Regression and Classification Trees (XGBoost), N-way PLS, Locally Weighted Regression...)
  • Selbstmodellierende Kurvenauflösung, Methoden für reine Variablen (Multivariate Kurvenauflösung (MCR), Reinheit (vergleiche SIMPLSMA), CODA_DW, CompareLCMS...)
  • Kurvenanpassung und Verteilungsanpassung und Analysetools

  • Instrumentenstandardisierung (Schrittweise/Stückweise, OSC, Vorverarbeitung mit verallgemeinerten kleinsten Quadraten, spektrale Unterraumtransformation (SST)...)
  • Erweiterte grafische Werkzeuge zur Bearbeitung und Visualisierung von Datensätzen
  • Erweiterte anpassbare auftragsspezifische Vorverarbeitung (Zentrierung, Skalierung, Glättung, Derivatisierung, Transformationen, Baselining...)
  • Unterstützung für fehlende Daten (SVD und NIPALS)
  • Variablenauswahl (Genetische Algorithmen, IPLS, Selektivität, VIP...)

 

SYSTEMVORAUSSETZUNGEN

MAC OSX (Intel), Linux, Windows XP, VISTA, Win7, Win8, oder Win10. 250 MB Festplattenspeicher und ein empfohlenes Minimum von 500 MB RAM (mehr kann für einige Daten erforderlich sein) und ein Minimum von 16-Bit-Farbgrafiken sind ebenfalls erforderlich.