Bei der Prozessüberwachung, der Qualitätssicherung aber auch der Marktforschung werden routinemäßig große Mengen an Daten erfasst, deren Informationsgehalt häufig nur zum Teil ausgewertet wird, da sich die wichtigen Informationen oft in den Kombinationen der Daten verstecken und die traditionellen statistischen Auswertemethoden hier schnell an ihre Grenzen stoßen. Multivariate Methoden wie die PCA (Hauptkomponentenanalyse) oder die PLS (Projection to Latent Structures) können die in den Daten versteckte Information auf wenige Dimensionen reduzieren und ermöglichen damit eine einfache visuelle Darstellung und Interpretation der Daten.

Teilnehmer an unseren Kursen werden lernen, große Datensätze mit moderner multivariater Datenanalyse schnell und zuverlässig zu interpretieren. Die Kurse beinhalten neben Theorie zahlreiche Demonstrationen von Beispielen und selbständiges Bearbeiten von „real-life“ Daten, um zu lernen wie die multivariaten Methoden in der Praxis anwendbar sind. Die Übungen können auch gerne an eigenen Datensätzen mit Hilfe des Kursleiters durchgeführt werden. Unser Ziel ist es, dass Sie nach Beendigung des Kurse die wichtigsten Methoden der multivariaten Datenanalyse verstehen und diese erfolgreich bei Ihrer eigenen Arbeit anwenden können.

Sie haben Daten – Sie brauchen Information

• Sie sind in der Forschung & Entwicklung tätig,
• Sie beschäftigen sich mit Produktentwicklung, Prozessoptimierung, Qualitätskontrolle und –überwachung oder Verbraucherforschung
• Sie arbeiten mit spektroskopischen Methoden (IR, NIR,Raman, UV/VIS, NMR), spektrometrischen (MS) oder chromatographischen Daten (GC, LC, HPLC),
• Sie wollen vorhandene Daten aus der Produktion, Forschung, Sensorik, oder Qualitätskontrolle auswerten

Zum Besuch des Kurses sind keine Vorkenntnisse erforderlich.

Inhalte

• Was ist multivariate Datenanalyse ?
  • Welche Daten eignen sich?
• Hauptkomponentenanalyse (PCA)
  • Was sind Hauptkomponenten?
  • Bestimmen der Hauptkomponenten
  • Interpretation der Loadings und Scores
  • Benutzen der PCA zur explorativen Datenanalyse
• Mutlivariate Regressionsmethoden
  • Multilineare Regression (MLR)
  • Hauptkomponentenregression (PCR)
  • Partial Least Squares Regression (PLS)
• Erstellen von Kalibrationsmodellen
  • Wie validiert man multivariate Kalibrationsmodelle?
  • Interne und externe Validierung, Kreuzvalidierung
• Verwenden der Kalibrationsmodelle
  • Vorhersage unbekannter Daten
  • Überprüfen der Kalibrationsmodelle im online Einsatz
• Anwendungsbeispiele zur Charakterisierung und Kalibrierung

Preise:

Hochschulen   € 780 Forschung   € 980 Industrie   € 1200

Veranstaltungsort: Steinbeis-Hochschule-Berlin Steinbeis-Haus Gürtelstr. 29A/30 10247 Berlin

Contact: Johannes Schumacher Account Manager Phone: +47 22 39 63 00 Mobile: +47 22 39 63 10 Fax: +47 22 39 63 22 email