روش‌های یادگیری ماشین و تشخیص الگو در شیمی: از مدل‌سازی چندمتغیره و داده‌محور ۲۰۲۲
Machine Learning and Pattern Recognition Methods in Chemistry from Multivariate and Data Driven Modeling 2022

روش‌های یادگیری ماشین و تشخیص الگو در شیمی: مدل‌سازی چندمتغیره و داده‌محور، دانش کلیدی در این حوزه را تشریح می‌کند و رویکردهای مقدماتی مهم را با جدیدترین تکنیک‌های پیشرفته ترکیب می‌کند.

این کتاب با مقدمه‌ای بر تحلیل آماری تک‌متغیره و چندمتغیره آغاز می‌شود و سپس به بررسی روش‌های کالیبراسیون و اعتبارسنجی چندمتغیره می‌پردازد. مدل‌سازی نرم در تحلیل داده‌های شیمیایی، تحلیل داده‌های ابرطیفی و کاربردهای خودرمزگذار (autoencoder) در شیمی تجزیه مورد بحث قرار می‌گیرند و مثال‌های مفیدی از تکنیک‌ها در کاربردهای شیمیایی ارائه می‌شوند.

این کتاب که بر دانش تیمی جهانی از محققان تکیه دارد، راهنمای مفیدی برای شیمی‌دانانی خواهد بود که علاقه‌مند به توسعه مهارت‌های خود در داده‌های چندمتغیره و تحلیل خطا هستند.

* ارائه یک نمای کلی مقدماتی از روش‌های آماری برای تجزیه و تحلیل و تفسیر داده‌های شیمیایی
* بحث در مورد استفاده از یادگیری ماشین برای تشخیص الگوها در داده‌های شیمیایی چندبعدی
* شناسایی منابع رایج خطاهای چندمتغیره

Machine Learning and Pattern Recognition Methods in Chemistry from Multivariate and Data Driven Modeling outlines key knowledge in this area, combining critical introductory approaches with the latest advanced techniques. Beginning with an introduction of univariate and multivariate statistical analysis, the book then explores multivariate calibration and validation methods. Soft modeling in chemical data analysis, hyperspectral data analysis, and autoencoder applications in analytical chemistry are then discussed, providing useful examples of the techniques in chemistry applications. Drawing on the knowledge of a global team of researchers, this book will be a helpful guide for chemists interested in developing their skills in multivariate data and error analysis. – Provides an introductory overview of statistical methods for the analysis and interpretation of chemical data – Discusses the use of machine learning for recognizing patterns in multidimensional chemical data – Identifies common sources of multivariate errors