Kodemetrics

Lo strumento no-code e facile da usare per analizzare

i dati sperimentali

I linguaggi di programmazione sono ormai essenziali per realizzare progetti e analisi sperimentali avanzati, ma sono spesso una barriera all’ingresso, creando grandi perdite di tempo agli esperti di settore. Kodemetrics aiuta i ricercatori a superare questa barriera e a concentrarsi sugli aspetti di ricerca dei loro studi.

Vuoi provarlo adesso? Contattaci e inizia subito la prova gratuita di Kodemetrics!

Contattaci

La nostra esperienza al vostro servizio

Grazie alla nostra esperienza nel campo della chemiometria e della ricerca, abbiamo una chiara comprensione delle esigenze e dei processi sperimentali in laboratorio. Abbiamo infatti riunito le tecniche più utili di analisi dei dati in uno strumento di facile utilizzo, consentendo agli utenti (siano essi studenti, ricercatori, laboratori o dipartimenti di ricerca e sviluppo industriale) di esplorare facilmente i propri dati sperimentali. La selezione di tutti i parametri richiesti per ogni fase dell’analisi è guidata in Kodemetrics attraverso una semplice interfaccia grafica.

Richiedi la free trial

Features e Piani

Kodemetrics è stato pensato per due tipi di utilizzo, con features adatte sia in ambito accademico per piccole ricerche e studi, che per le aziende che necessitano di effettuare ricerche strutturate, salvare facilmente il proprio spazio di lavoro e produrre reportistica avanzata.

Scopri le features più adatte a te.

Contattaci

Data Entry & Visualization

Caricamento dati in molteplice formato (.csv, .xls/.xlsx e .RData)
Visualizzazione tabellare e grafica delle variabili e dei loro patterns
Visualizzazione e gestione dei valori mancanti

Analisi esplorativa: PCA

Scelta del numero di componenti da utilizzare
Scelta delle variabili da utilizzare
Visualizzazione dei risultati con scree plot, scores plot, loadings plot, grafici errori T2 e Q e relativi contributi
Download modelli
Download report in .docx
Report di analisi

Analisi predittiva: Modelli di Regressione Lineare

Preprocessing, scelta tipologia del modello e variabili da utilizzare
Stime coefficienti, p-values
Grafici diagnostici
Visualizzazione superficie di risposta
Download modelli
Download report di analisi in formato .docx
Predizione nuove osservazioni

Analisi predittiva: PLS-R e PLS-DA

Scelta numero di componenti da utilizzare
Scelta variabili da utilizzare
Riepilogo del modello, con valori delle metriche (RMSE, Rsquared e MAE/Accuracy, Sensitivity, Specificity, Precision, Recall etc.)
Grafici bontà di adattamento del modello
Confusion matrix (per PLS-DA)
Grafici Variable Importance e coefficienti di ogni componente
Download modelli
Download report di analisi in formato .docx

Modelli per miscele

Preprocessing, scelta tipologia del modello e variabili da utilizzare
Stime coefficienti, p-values
Grafici diagnostici
Visualizzazione superficie di risposta
Effects plot
Download modelli
Download report di analisi in formato .docx

Design of Experiments

Full Factorial Design (2 – 3 livelli)
Fractional Factorial Design (2 livelli)
Plackett-Burman Design
Doehlert Design
Central Composite Design (CCD)
Box-Behnken Design
Disegni per miscele con possibilità di aggiunta vincoli su singoli componenti e lineari tra i componenti
D-optimal and I-optimal Designs
Personalizzazione livelli e nomi fattori
Visualizzazione della regione sperimentale
Download del disegno in formato .csv