Modélisation et interprétation des modèles de Machine Learning pour les données spectrales
Nous vous invitons le 10 Mars 2026 à 11 h (CET) à notre prochain webinaire sur le thème des méthodes de Machine Learning et de l’interprétation des modèles développés sur des bases de données spectrales.
Vous souhaitez en savoir plus sur l’interprétabilité des méthodes de
Machine Learning appliquées aux données spectroscopiques ?
Lors de ce webinaire, vous découvrirez :
- Dans quel cas utiliser les méthodes de Machine Learning pour analyser vos données spectrales
- Comment optimiser votre compréhension des modèles grâce à des méthodes d’interprétabilité pour éviter l’effet boite noire de certaines méthodes (Machine Learning explicable)
- Des exemples d’application sur des données spectrales
📆 10 mars 2026
🕚 11h (CET)
Programme du webinaire :
- Pourquoi utiliser des modèles de Machine Learning (ML)
- Intérêt de l’interprétabilité des modèles de ML
- Tour d’horizon des méthodes de ML
- Principe et application des méthodes à noyaux et des réseaux de neurones
- Tour d’horizon des méthodes d’interprétabilité des modèles des ML
- Principe et application des méthodes interprétabilité (SHAP, etc.) aux données spectroscopiques
- Session de Questions / Réponses
Dr. Astrid Maléchaux, Data Scientist chez Ondalys depuis plusieurs années et experte du Machine Learning et de l’interprétabilité des modèles, vous présentera ce webinaire. Vous découvrirez avec elle comment éviter l’effet boite noire (black box) des modèles développés à l’aide de méthodes avancées de Machine Learning sur des données spectroscopiques et vous assurer de la fiabilité de ces modèles.
Experts en calibration spectrale et développement de méthodes de Machine Learning adaptées aux données spectrales (NIR, MIR, Raman, …), les data scientists d’Ondalys vous accompagnent dans toutes vos problématiques d’ analyse de vos données spectroscopiques et de développement de calibrations spectrales.
