- Mark as New
- Bookmark
- Subscribe
- Mute
- Subscribe to RSS Feed
- Get Direct Link
- Report Inappropriate Content
Complémentarité des plans d'expériences et du Machine Learning au service de l'expertise métier
Le but de l'étude est d'étudier un mélange simplexe de trois matières premières et de le caractériser en termes de prix, viscosités et stabilités à différentes conditions.
En raison d'une difficulté à postuler un modèle à priori et d'une zone possible d'instabilité des formules qui risquerait de compromettre le plan et l'analyse ultérieure des résultats (pas de réponse mesurable en cas d'instabilité), un plan de type Space-Filling avec zone exclue est réalisé.
Une première modélisation avec différents modèles type Machine Learning (SVM, Gaussian Process) est réalisée, mais certaines zones de l'espace expérimental sont mal représentées en raison de valeurs manquantes pour la viscosité (viscosité trop faible ou instabilité de quelques formulations).
A l'aide des informations de l'expertise métier, et du choix d'une imputation de valeurs locales par K-Nearest Neighbors, la modélisation peut être corrigée et apporter des résultats satisfaisants, apportant une meilleure représentation et compréhension de l'espace formulatoire.
- Chapters
- descriptions off, selected
- captions settings, opens captions settings dialog
- captions off, selected
- en (Main), selected
This is a modal window.
Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
This is a modal window. This modal can be closed by pressing the Escape key or activating the close button.
Biographie
Passionné par la science des données et la chimie, mon objectif est de combiner expertise métier, plans d'expériences et analyse de données pour aider les laboratoires à tirer parti de leurs données historiques, à planifier efficacement leurs prochaines expériences, à prendre de meilleures décisions et à percer certains des mystères de la chimie.
Rationnel et data-driven, je suis prêt à partager ma passion et à aider à rendre la littératie des données accessible à tous. Curieux, j'aime lire et apprendre sur les innovations, la technologie, les sciences, la chimie, les statistiques, lascience des données et l'analyse.
Domaine d'intérêt : Innovation, Digitalisation, Plan d'Expériences, Statistiques, Machine Learning, Analyse de Données, Visualisation de Données et Chémoinformatique.
Présentation de la société
For more than a century, L’Oréal has devoted itself solely to one business: beauty.
L'Oréal wants to bring beauty to all people. The goal is to win over another one billion consumers around the world by innovating and creating cosmetic and skincare products that meet the infinite diversity of their beauty needs and desires.
"It is not unusual for a well-designed experiment to analyze itself" (Box, Hunter and Hunter)
- Mark as New
- Bookmark
- Subscribe
- Mute
- Subscribe to RSS Feed
- Get Direct Link
- Report Inappropriate Content
Re: Complémentarité des plans d'expériences et du Machine Learning au service de l'expertise métier
Liste des ressources et compléments d'informations disponibles dans la présentation :
- Généralités Machine Learning et algorithmes :
- Guide to AI algorithms - MFML Part 4 playlist par Cassie Kozyrkov
- Bias Variance Tradeoff (mlu-explain.github.io) l'explication du compromis biais-variance en ML pour éviter le surapprentissage/sous-apprentissage
- Informations complémentaires sur les Support Vector Machines :
- Overview of Support Vector Machines (jmp.com)
- Support Vector Machines (SVM): An Intuitive Explanation | by Tasmay Pankaj Tibrewal
- SVM with polynomial kernel visualization
- Support Vector Machines Part 1 (of 3): Main Ideas!!! - StatQuest
- Support Vector Machines Part 2: The Polynomial Kernel (Part 2 of 3) - StatQuest
- Support Vector Machines Part 3: The Radial (RBF) Kernel (Part 3 of 3) - StatQuest
Je reste à disposition pour toute question, remarque ou commentaire !
"It is not unusual for a well-designed experiment to analyze itself" (Box, Hunter and Hunter)