主题：【原创】全面解决近红外光谱分析的重重问题！《化学计量学与近红外光谱》训练营上线！

导言

    近红外光谱（NIR）是近年来发展较为迅速的一种高新分析测试技术，是光谱测量技术、计算机技术、化学计量学技术与基础测量技术的有机结合。与传统分析技术相比，它具有众多优点，例如：无损检测、分析效率高、分析成本低、样品测量一般勿需预处理等。越来越多的科研人员把它应用于项目研究。

    仪课通特邀“陆婉珍近红外光谱科技奖”的获得者——邵学广老师，为你带来《化学计量学与近红外光谱》训练营，从基础知识开始，到算法、技术，让你全方位掌握近红外光谱的原理及应用。

近红外光谱分析

    近红外光谱分析是将近红外谱区（800-2500nm）的光谱测量技术、化学计量学技术、计算机技术与基础测试技术交叉结合的现代分析技术，主要用于复杂样品的直接快速分析。近红外分析复杂样品时，通常首先需要将样品的近红外光谱与样品的结构、组成或性质等测量参数（用标准或认可的参比方法测得的），采用化学计量学技术加以关联，建立待测量的校正模型；然后通过对未知样品光谱的测定并应用已经建立的校正模型，来快速预测样品待测量。
    与传统分析技术相比，近红外光谱分析技术具有诸多优点。它能在几分钟内，仅通过对被测样品完成一次近红外光谱的采集测量，即可完成其多项性能指标的测定（最多可达十余项指标）。光谱测量时不需要对分析样品进行前处理；分析过程中不消耗其它材料或破坏样品；分析重现性好、成本低。
    近红外光谱分析技术的应用领域广阔，在石化领域可测定油品的辛烷值、族组成、十六烷值、闪点、冰点、凝固点、馏程、MTBE含量等；在农业领域可以测定谷物的蛋白质、糖、脂肪、纤维、水分含量等；在医药领域可以测定药品中有效成分，组成和含量；亦可进行样品的种类鉴别，如酒类和香水的真假辨别，环保废弃物的分检等。

课程介绍

    现代近红外光谱分析技术包括了近红外光谱仪、化学计量学软件和应用模型三部分。想要充分掌握近红外光谱分析技术，需要全方位地学习。如何体系化地学习？下面这门课可以帮到你。
    仪课通新上线《化学计量学与近红外光谱》训练营，包含：基础篇、技术篇、算法篇三大章节，帮你打好理论基础，剖析相关技术，掌握精准算法。课程堪称近红外光谱技术的通关宝典。

适合人群

1、石油、化工、矿物、医药、烟草、食品等行业各企事业单位及科研院所负责化学分析及红外光谱等分析仪器分析测试的技术人员。
2、各高校化学分析相关专业在校研究生及分析中心等技术人员。

课程亮点

1、授课讲师长期从事分析化学及化学信息学教学，深耕算法研究领域几十年，熟悉研究工作中涉及的重难点，所授知识由浅入深层层渗透；
2、课程结合大量算法、程序示例，使学员加深理解程度，更好地结合实际应用。

大咖讲师

邵学广：    博士，南开大学教授，博士生导师。《Chemometrics and Intelligent Laboratory Systems》、《高等学校化学学报》、《分析化学》等多种期刊的编委会委员、中国化学会理事、计算机化学专业委员会和有机分析专业委员会委员、中国仪器仪表学会近红外光谱分会副理事长、天津市分析测试协会副理事长。2002年获教育部第三届高校青年教师奖，2003年获国家自然科学基金委杰出青年基金，2010年获宝钢优秀教师奖，2012年获国务院政府特殊津贴，2018年获中国仪器仪表学会“陆婉珍近红外光谱科技奖”。    主要从事分析化学和化学信息学教学与科研工作。先后主讲《分析化学》、《仪器分析原理》、《分离科学及进展》、《当代分析化学前沿》等课程，在国内率先开设了《化学信息学》课程并出版了《化学信息学》教材，培养硕士、博士研究生80余名。先后开展了化学因子分析、优化算法、免疫算法、小波分析等方面的研究工作，建立了一系列复杂分析化学信号分析方法以及用于近红外光谱信号处理和建模的化学计量学方法，建立了复杂体系的近红外光谱快速分析方法和产品质量评价方法。近年来开展了“温控近红外光谱”技术和方法研究。在国内外学术期刊上发表SCI论文300余篇，编著、翻译或合作出版学术著作5部。

购课链接

扫描下方二维码，优质好课轻松get！

原价：1999元

限时优惠：1799元（仅限前50人）

    本训练营课程分为：基础篇、技术篇、算法篇三大篇章，以下罗列出了三大篇章各自包含的内容，想要学习其中某一篇章的同学，可以单独购买哦！

基础篇

    基础篇就化学计量学与近红外光谱的基础知识，matlab及python语言的编程基础，分析化学数据的定量模型及多元校正与多元分辨的基本方法等展开教学。

课程目录

第一章 化学计量学基本知识

课时1化学计量学基本知识

第二章 近红外光谱

课时1近红外光谱概述

课时2近红外光谱原理及数据分析

第三章 编程基础

课时1计算机编程方法的基础知识

课时2 MATLAB语言及程序举例

课时3 Python语言及其程序举例

第四章 分析数据的定量模型

课时1向量与矩阵

课时2分析化学数据

第五章 多元校正与多元分辨

课时1基本概念

课时2计算方法

课时3计算与程序案例分析

课程截图



购课链接

扫描以下二维码，即可单独购买此部分课程！

原价：799元
限时优惠价：699元（仅限前50名）

技术篇

    技术篇从建模的常见问题及相关技术，光谱预处理方法，变量选择方法，聚类与判别的基本方法及模型转移技术等方面讲解，并且充分结合实例分析。

课程目录

第一章 建模及相关技术

课时1数据集准备与质量考察

课时2校正集样本数量及代表性

课时3模型的评价方法与参数优化

第二章 光谱预处理

课时1光谱预处理

第三章 变量选择

课时1变量选择方法比较

课时2举例分析MC-UVE和RT两种方法

第四章 聚类与判别

课时1聚类与判别基础知识

课时2聚类与判别应用举例

第五章 模型转移

课时1模型转移概述及PSD、SST两种方法

课时2 ATLD、MSCA及两种双模型方法举例分析

课时3模型转移评价指标及定性模型转移举例

课程截图



购课链接

扫描以下二维码，即可单独购买此部分课程！

原价：899元
限时优惠价：799元（仅限前50名）

算法篇

    算法篇主要讲解主成分分析、回归分析、人工神经网络及程序示例分析等常用方法。旨在使学员理解算法、学会使用，并能更好的应用到实际工作中。

课程目录

第一章 主成分分析

课时1 因子分析

课时2 基本步骤与计算程序举例

课时3 主成分分析应用

第二章 偏最小二乘回归

课时1 主成分回归

课时2 如何用matlab实现主成分分析和偏最小二乘回归

第三章 化学因子分析

课时1 化学因子分析基本步骤及计算过程

课时2 目标因子分析原理、程序及计算示例

课时3 渐进因子分析计算、程序及计算示例

课时4 窗口因子分析原理、程序及计算示例

课时5 实例解析高维数据分析

第四章 小波变换

课时1 小波变换相关的数学概念

课时2 小波变换定义、举例及实质与特点

课时3 小波变换计算方法、程序计算及示例

课时4 小波变换应用举例

第五章 人工神经网络与深度学习

课时1 人工神经网络BP模型基本原理及构成

课时2 BP网络的学习算法及改进、人工神经网络应用及程序举例

课时3 深度学习的网络模型及相关技术、如何用matlab、python编程

第六章 优化算法

课时1 优化算法与遗传算法

课时2 遗传算法基本过程与实例及程序实现演示举例

课时3 优化算法在化学领域的应用

课程截图



购课链接

扫描以下二维码，即可单独购买此部分课程！

原价：899元
限时优惠价：799元（仅限前50名）

购买须知

     

• 训练营学习模式为录播课程+直播答疑+班级学习群，报名成功后请扫描下方二维码加入班级群，群内将定期组织班会和其他活动等。
  
  

（近红外光谱训练营班级群）

• 课程为虚拟产品，购买后不支持退还，可提供电子发票。

• 规定时间内完成全部学习且考试分数≥80分可获得电子版结业证书。

• 本次训练营有效期为360天，有效期内不限学习次数。

• 购买后仅限本人账户（微信账户）使用，如需替他人购买请联系客服ykt418418。

重要通知：
    为了充分满足大家的需求，本次训练营同时推出按节购买活动，想要单独购买某小节课程，可以扫码联系以下客服哦~