756627_ko-KR

liliconcom

분석을 위한 분광 데이터 전처리(2021-EU-30MP-787)

Bill Worley, JMP 수석 글로벌 활성화 엔지니어, SAS

분광 데이터 전처리는 모든 데이터 분석 도구에서 분석을 위한 데이터 준비의 중요한 첫 단계입니다. JMP를 사용하여 표준 정규 변량(SNV)과 사비츠키-골레이(SG) 평활화를 검토하고 시연해 보겠습니다. 이러한 전처리 도구는 업계 전반에 걸쳐 상당히 표준으로 사용되며, 원시 분광 데이터로부터 예측 모델을 구축하는 첫 단계입니다. SG 추가 기능을 공유해 주신 Ian Cox 님께 특별히 감사드립니다.

자동 생성된 대본...

스피커	성적 증명서
빌 워리	안녕하세요 여러분, 저는 JMP 시스템 엔지니어인 빌 워리입니다. 저는 JMP에서 거의 7년 동안 근무해 왔습니다. 오늘은
	분석을 위한 분광 데이터 전처리. 이 글을 프리퀄이라고 부르는 이유는 JMP에서 분광 데이터 분석에 대한 강연을 이미 진행했기 때문입니다. 하지만 전처리는 중요한 첫 단계이며, 그 이유를 알려드리겠습니다. 자, 이제 본격적으로 시작해 보겠습니다.
	그럼 여기서 초록에 대해 잠깐 이야기해 보겠습니다. 분광 데이터 전처리는 어떤 데이터든 분석을 위해 데이터를 준비하는 데 있어 매우 중요한 첫 단계입니다.
	아시다시피, 저희는 데모를 검토하고 JMP의 표준 정규 변량과 Savitzky-Golay 평활화 도구에 대해 설명드리겠습니다. 이 전처리 도구들은 전반적으로 상당히 표준적입니다.
	화학계, 화학 산업계, 그리고 분광학을 연구하고 분광 데이터를 분석하는 사람이라면 누구나 알고 있을 겁니다.
	표준 정규 변량, 사비츠키-골레이 변량, 그리고 그 사용 방법에 대해 더 자세히 알아보겠습니다. 다시 한번 말씀드리지만, 이는 원시 분광 데이터로부터 예측 모델을 구축하는 데 중요한 첫 단계입니다.
	따라서 배경 정보가 부족하면 스펙트럼 데이터는 매우 복잡해질 수 있습니다. 전처리는 이러한 예측 모델이나 다른 예측 모델을 구축하기 전에 평활화, 필터링 및 기준선 보정을 위해 사용됩니다. Savitzky-Golay 필터링과 표준 정규 변량
	JMP에서 사용되는 도구입니다. Savitzky-Golay는 Ian Cox가 개발한 추가 기능입니다. Ian에게 감사드립니다. 표준 정규 변량에는...
	어떤 공식을 만들고 JMP에 적용하는 방법을 알려드리겠습니다. 마지막으로, 그래프 빌더는 분광 데이터를 시각화하는 데 매우 유용한 도구이며, 데이터를 평활화하는 대체 플랫폼으로 사용할 수 있습니다.
	하지만 이 문제에 대해서는 이야기를 더 진행하면서 다루겠습니다.
	왜 이렇게 할까요? 왜 전처리를 해야 할까요? 음, 먼저, 바로 위쪽 스펙트럼이나 스펙트럼 그룹을 보면, 100개의 스펙트럼에서 추출한 원시 데이터인데, 실제로는 차이를 거의 느낄 수 없습니다.
	아시죠, 전분 100%나 글루텐 100%를 섞은 거요. 뭔가 차이가 보이긴 하는데, 뭐가 뭔지 잘 모르겠어요. 음,
	거기에서 우리가 하는 일은 Savitzky-Golay 평활화 및 필터링을 수행한 다음 1차 도함수를 취하여 훨씬 더 깨끗한 스펙트럼 세트를 얻는 것입니다.
	깔끔하게 그룹화되었지만, 아직 원하는 수준에는 도달하지 못했습니다. 마지막으로, 표준 정규 변량 평활화를 적용하면 스펙트럼이 훨씬 깔끔해지고 피크가 어디에 있는지 훨씬 쉽게 파악할 수 있습니다.
	스펙트럼 그룹별로 어떤 차이가 있는지 확인할 수 있습니다. 다시 말해, 빨간색 선에서 회색 선, 파란색 선까지 각각 20개의 스펙트럼이 있는데, 확실히 훨씬 더 선명합니다. 다양한 혼합물의 피크 위치를 확인할 수 있습니다.
	네, Savitzky-Golay 필터링은 스펙트럼 데이터에 스무딩을 위해 제공되는 디지털 필터입니다. 좋은 점은 전체 스펙트럼 자체, 피크 위치 등 모든 것을 변경하지 않는다는 것입니다. 그래서 좋은 도구라고 할 수 있죠.
	평활화를 위해 합성곱을 사용하며 이는 선형 최소 제곱 공식을 기반으로 합니다.
	1차 및 2차 미분도... 부드러운 신호에서도 길들일 수 있습니다.
	스펙트럼 양 끝의 중요하지 않은 데이터를 필터링하는 것도 가능합니다. 예를 들어, 처음에 중요하지 않은 데이터가 있고 앞으로 나아갈수록 오히려 방해만 되는 상황이 발생한다면, 반대쪽 끝에서도 마찬가지입니다.
	그래프 빌더를 사용하면 Savitzky-Golay에서는 할 수 없는 일부 내부 평활화나 내부 필터링을 할 수 있습니다.
	추가 기능입니다. 그래프 빌더와 함께 로컬 데이터 필터를 사용하여 관심 영역을 더욱 구체적으로 정의할 수 있습니다.
	그래서,
	계속해 보자. 사비츠키-골레이
	분석은 우리가... 우리가... 우리가 그 분석을 한다면, 이것은 스펙트럼의 그룹입니다. 그래서 우리는 매끄러운,
	1차 미분을 조금 늘린 것입니다. 그리고 거기에 0선을 넣습니다. 1차 미분을 사용하면
	0점 또는 0점 교차점을 기준으로 피크가 어디에 있는지 알려줍니다. 그러면 주어진 피크의 위치에 대한 아이디어를 얻을 수 있습니다.
	스펙트럼 그룹, 스펙트럼 집합. 그리고 2차 도함수의 경우, 조금 다릅니다. 기준선을 평평하게 만드는 데 도움이 되고, 겹치는 피크가 있는 경우
	더 발전시키거나, 그 겹치는 부분을 더 잘 파악하면 양수에서 음수로 바뀌는데, 이는 겹치는 정점과 그 정점이 어디에 있는지를 나타냅니다. 좋아요, 이 도구를 사용하는 방법이 바로 그것입니다.
	표준 정규 변량 자체는 개별 스펙트럼에 대한 데이터의 표준화입니다. 단독으로 사용하거나 추가적인 평활화 도구로 사용할 수 있으며, 오늘은 이를 추가 도구로 사용합니다.
	이것은 사용됩니다...
	기준선 이동 보정과 전역 강도 변화 보정에 사용됩니다. 좋은 점은 스펙트럼 모양을 바꾸지 않고 기준선 변화를 제거한다는 것입니다.
	그리고 이 데이터의 중요한 점은, 우리가 이 작업을 할 때 보게 될 것이지만, 데이터는 쌓여야 한다는 것입니다.
	좋습니다. 이것은 단지 공식 중 하나일 뿐입니다.
	표준 정규 변량 공식을 설정하는 데 사용될 수 있으며, 그 방법을 보여드리겠습니다. 몇 가지 방법이 있지만, 약간 복잡해지므로 그 방법을 보여드리겠습니다. 여기서 중요한 부분은
	여기 컬럼 표준화를 위한 표준 공식이 있는데, 이를 변수로 사용해야 하고, 그것이 바로 스펙트럼 자체입니다.
	그걸 추가하는 데는 약간의 요령이 필요합니다.
	그렇죠. 원시 데이터에만 표준 정규 변량을 적용하면 다음과 같을 겁니다.
	그룹화도 볼 수 있고, 어떻게 분포하는지 볼 수도 있지만, 1차 도함수를 적용한 후에 표준 정규 변량을 적용하면 훨씬 더 깔끔해집니다. 스펙트럼이 어디에 있는지, 어디에서 겹치는지, 어디에 있는지 훨씬 더 잘 파악할 수 있습니다.
	여기서 조금 해야 할 일이 있을 수 있습니다... 그 2차 미분이 작용하게 되는 곳, 아마도 여기 겹치는 피크가 있는 곳이 있을 것입니다.
	그리고 아마도 여기로 돌아올 수도 있을 거야. 그래서
	이것이 바로 여러분이 보고 있는 것을 더 잘 이해하는 데 정말 도움이 되는 부분입니다. 그리고 다시 한번 말씀드리지만, 이 0선은 이 0선을 지날 때 정점을 나타내는 지표입니다. 정점은 1차 도함수를 사용합니다.
	좋습니다. 데모를 시작해 볼까요.
	좋아, 거기서 나가.
	자, 이제 데이터 시각화에 대해 이야기해 볼까요? 데이터부터 시작해 볼까요? 새로운 데이터 세트를 얻을 때마다 가장 좋은 방법은 데이터를 가져와서 시각화하는 것입니다. 데이터를 그래프로 그려서 어떤 상황인지 더 잘 파악해 보세요. 자, 이제 여기로 내려가서 데이터를 끌어올려 볼까요?
	글루텐 원시 데이터입니다. 네, 데이터를 가져왔습니다. 이제 시각화 작업을 해야 하는데, 그래프 빌더로 가보겠습니다.
	맞아요. 우리가 가장 먼저 할 일은,
	이걸 조금 위로 올려서 원시 데이터로 가세요. 좋아요, 이제 이걸 가져올게요.
	그리고 이게 점 데이터입니다. 그러니까 이게 우리가... 평활화 작업을 하기 전, 다른 작업을 하기 전에 본 것입니다. 이게 선 데이터였고, 이걸 바꿀 수 있다면...
	평행선 그래프, 맞아요. 스펙트럼에 대한 선 데이터를 얻을 수 있죠. 다시 말하지만, 거기서 무슨 일이 일어나고 있는지 자세히 볼 수는 없지만, 어디에서 문제가 발생하는지 더 잘 파악할 수 있습니다. 제가 만들 수 있을 것 같아요...
	여기 아래에서 몇 가지 작업을 할 수 있는데, 필요하다면... 이 기능을 사용할 수 있습니다. 다른 데이터와 함께 병렬 병합을 볼 수 있을 겁니다. 하지만 아무것도 바뀌지 않았습니다. 다른 데이터 중 일부를 볼 수 있듯이 아무것도 하나로 모으지 못했으니, 이 부분은 닫겠습니다.
	그렇죠. 제가 데이터를 시각화할 때 즐겨 사용하는 다른 도구로는 모델 기반 다변량 관리 차트가 있는데, 먼저 이것부터 살펴보겠습니다.
	그러면 분석, 품질 및 프로세스, 모델 기반 다변량 관리도로 넘어가겠습니다.
	이것을 위로 올려주세요.
	네, 저는 과거 데이터가 없으니 "알겠습니다"라고 말합니다. 그러면 이렇게 하면 데이터를 보고 "알겠습니다"라고 말할 수 있습니다.
	스펙트럼의 그룹화를 볼 수 있죠. 그리고 대부분의 경우, 이건... 이 점만 지적하고 싶습니다.
	우리는 우리가 보고 있는 변동의 대부분을 설명할 수 있습니다. 적어도 두 개의 주성분을 가진 변동의 최대 85%까지 말입니다. 그리고 이건 ??? T 제곱을 사용하는 것입니다.
	여기 있는 정보입니다. 그리고 이는 또한 주어진 스펙트럼에서 통제 불능 상태가 발생할 수 있는 지점을 알려줍니다. 그룹의 나머지 부분과 왜 다른 걸까요?
	그러니까 이 지점들 중 하나에 마우스를 올리면 그걸 꺼낼 수 있죠. 통제 불능 지점 중 하나에 마우스를 올리면, 다시 한번, 그걸 꺼낼 수 있죠.
	이제 와, 정말 다르네요! 이 스펙트럼에는 뭔가 다른 게 있어서 더 잘 이해해야 할 것 같아요. 이 경우에는 혼합물이라는 걸 알고 있기 때문에 이미 더 잘 이해하고 있지만, 그 부분을 더 자세히 보고 싶어요.
	그리고 이것도 꺼내 볼까요? 좋아요, 또 하나 더 있네요. 저 세 스펙트럼 사이에는 꽤 다양한 혼합물이 있잖아요. 그러니까 세 그룹 중 세 개가 있고, 나머지 두 개도 넣어서 확인해 볼 수 있을 것 같아요. 일단은 여기까지만 할게요.
	네, 이게 모델 기반 다변량 관리도입니다. 제가 즐겨 사용하는 또 다른 도구는... 다변량 방법론에 속하는 다차원 척도법입니다.
	그리고 내가 이것을 사용하는 것을 좋아하는 이유는 특히 이와 같은 시스템의 경우,
	우리가 가지고 있는 것은
	다시 원시 데이터를 가져와야죠. 그리고 우리는...
	먼저 이걸 설정하고 말씀드리겠습니다.
	여기 두 개의 차원이 있는데, 이건 앞서 본 내용을 기반으로 한 것일 뿐입니다. 하지만 제가 이 차원을 사용하는 이유는 데이터 자체를 그룹화하거나 시각화할 수 있기 때문입니다. 좋아요,
	그렇게 하죠. 이 질문이 떠오르는 데 1초 정도 걸립니다.
	다섯 개의 뚜렷한 스펙트럼 그룹이 있는 걸 볼 수 있죠. 각 그룹은 전분과 글루텐 혼합물의 특정 그룹과 관련이 있습니다. 제가 이 그룹을 강조해서 보면, 첫 번째 그룹은 100% 전분으로 이루어져 있습니다.
	중간 그룹은 50/50 혼합이고, 여기 아래 그룹은 100% 글루텐입니다. 네, 그러면 데이터 표에 데이터가 다시 강조 표시됩니다. 여기 표시된 것처럼요.
	상호작용성도 좋습니다. 이를 통해 우리는 이미 여러 그룹이 무엇인지 구분하는 데 상당히 능숙하게 임하고 있다는 것을 알 수 있습니다. 셰퍼드 다이어그램을 살펴보면,
	우리는 R 제곱 1을 가지고 있습니다
	직선, 좋아요. 다시 한번, 시각화하는 좋은 방법이고, 이걸로 할 수 있는 게 더 많지만, 그건 다음에 할게요.
	좋아, 지금까지는,
	데이터를 가져와서 시각화했잖아요. 이제 사전 처리가 필요해요.
	그리고 우리가 할 일은, 대략 이런 것들이 있는데, 여기 플레이스홀더가 있습니다. 사비츠키-골레이 분석을 하고 적어도 1차 도함수에 대한 표준 정규 분포를 분석할 것입니다.
	좋습니다. 조금 정리해보겠습니다.
	좋아요, 닫으세요.
	그리고 다시 그 원시 데이터를 가져와서 Savitzky-Golay 추가 기능을 사용해서 분석할 겁니다. 제 경우에는 추가 기능 항목에 해당합니다.
	이건 무료 추가 기능이라서, 다운로드하시면 저희가 제공해 드리겠습니다. 다시 말씀드리자면, 원시 데이터를 가져와서
	네, Savitzky-Golay에 대해 더 자세히 알고 싶으시다면 여기에 위키피디아 링크가 있으니 사용하시면 됩니다. 이 링크를 사용해서 모든 파장에서 데이터를 평활화하고, 1차 미분과 2차 미분을 구해 보겠습니다. 그럼, "알겠습니다."라고 말씀드리겠습니다.
	그러면 이제 원활한 데이터를 얻을 수 있습니다.
	그리고 한 가지, 알다시피, 필요에 따라 이것을 조정할 수 있지만 우리가 하고 싶은 것은 이것을 취하는 것입니다.
	창문을 조금 더 넓혀주세요.
	좋아.
	그것을 하세요.
	여기서 다항식과 다항식 적합 순서를 가지고 놀 수 있습니다.
	이 경우에는 8차 다항식으로 가도 큰 차이가 없습니다. 두 번째... 2차 다항식은 괜찮습니다. 좋습니다. 그러면 1차 도함수에서 해당 데이터를 가져올 수 있습니다.
	매끄러운 데이터를 저장한다고 가정해 봅시다. 맞죠? 그리고 그 데이터를 다시 데이터 테이블에 저장할 수 있습니다. 이미 그렇게 했기 때문에 그 과정을 보여드릴 필요는 없지만, 데이터가 그 데이터 테이블로 다시 가져온다는 것만 알아두시면 됩니다.
	이것으로 마무리하겠습니다.
	좋아요, 이제 시작할 준비가 되었지만, 이제 마지막 단계를 거쳐야 합니다. 그럼... 그 전에 다시 돌아가서 살펴보죠.
	Savitzky-Golay 데이터입니다. 따라서 이것은 1차 미분 데이터입니다. 다시 한번 이 데이터를 살펴보겠습니다.
	그래프 빌더, 맞아요. 그리고 보시다시피... 별로 좋아 보이지는 않지만, 병렬 플롯을 해 봅시다.
	조금 더 나아지게 합니다. 정리한 다음 결합된 스케일 병렬 병합을 수행하면 데이터가 훨씬 더
	시각적으로... 이전보다 더 나은 시각적 표현이죠. 그걸 가지고 놀 수도 있고, 여기에 제로 라인을 추가해서 피크가 교차하는 지점을 더 잘 이해할 수도 있습니다.
	하지만 그게 1차 미분 데이터입니다. 그룹을 볼 수는 있지만, 더 잘 이해하기 위해 원하는 만큼 완전히 분리되어 있지는 않습니다.
	자, 이제 설정되었습니다. 해당 데이터는 데이터 표에 다시 있습니다. 이제 닫겠습니다. 그리고 앞서 말씀드렸듯이 표준 정규 변량을 계산하려면 데이터를 쌓아야 하므로, 그렇게 해야 합니다. 먼저 여기서 일부 데이터를 부분집합으로 추출해 보겠습니다.
	좋아, 그럼
	이 모든 것을 하위 집합으로 만듭니다.
	표. 하위 집합.
	모든 행, 선택된 열, 그리고 확인. 좋아요, 이제 시작해 볼까요?
	오른쪽.
	음, 적어도... 데이터를 분리해 놓았죠. 이제... 데이터를 쌓아야 합니다. 다시 말씀드리지만, 이는 수식에 필요한 모든 데이터에 필터를 적용하기 위한 것입니다.
	테이블 아래에 스택이 있습니다.
	그리고 이게 우리가 쌓고 있는 기둥이에요.
	그렇죠. 행별로 쌓으세요.
	유지하고 싶은 열을 선택하겠습니다.
	그 위에. 그리고 나서,
	죄송해요... 그냥 이 설정을 하려고 여기저기 클릭하는 거예요. 하지만 대충 어떤 느낌인지는 아시겠죠? 어떻게 해야 하는지 알려드리려고 잠깐 올려둘게요. 그래서 저장해 두었어요.
	아시다시피, 지금 제목 없는 12를 보세요. 이게 바로 누적 데이터입니다. 이제 표준 정규 변량을 계산할 수 있습니다. 빠른 방법은 새 열을 만드는 것입니다.
	마우스 오른쪽 버튼을 클릭하세요.
	그리고 여기, 수식 편집기에서 이 수식을 만들어야 합니다. 이 통계 도구를 사용할 텐데요.
	열 standardize, 맞아요. 그리고 여기, 여기 위에 마우스를 올리면, 뭘 하고 있는지 알 수 있어요. standardized가 무슨 뜻인지, 맞아요. 그래서...
	평균은 0이고 표준 편차는 1입니다. 이것이 우리가 데이터를 통해 얻고자 하는 것이고, 주어진 모든 스펙트럼에 대해 구하려는 것입니다. 따라서 데이터를 가져와야 합니다.
	가끔, 이 이변수, 즉 이 경우에는 스펙트럼을 추가해야 한다고 말씀드렸죠. 알겠습니다.
	좋아요, 이제 데이터 세트가 생겼습니다. 이제 더 간단한 방법이 있습니다. 제 생각에는 더 간단한 방법이지만, 다음과 같은 방법도 있습니다...
	때로는 시간이 조금 더 걸리기도 합니다. 하지만 바로 여기 스펙트럼을 마우스 오른쪽 버튼으로 클릭하고, 다시 한번 말씀드리지만, 이변수가 필요하기 때문에 이렇게 한다는 것을 기억하세요. 그래서 새 열 정보로 가서 그룹화 기준을 만들겠습니다.
	그리고 데이터 열을 선택하고 마우스 오른쪽 버튼을 클릭한 다음 새 수식 열을 만들겠습니다.
	분포형으로 넘어가서, 표준화된 것을 기억하세요. 우리는... 그래서 그걸 원해요.
	평균 0, 표준 편차 1. 이걸 선택하면 새 열이 생성됩니다. 좋은 점은 데이터가 일치해서 제가 제대로 계산했다는 안도감을 느낄 수 있다는 것입니다.
	네, 알겠습니다. 이제 여기에서 해당 열을 클릭해야 합니다.
	이 데이터를 가져와서 분할한 다음 일반 데이터 테이블이나 초기 데이터 테이블에 다시 넣는다는 것입니다. 이 작업을 통해 보여드리고 싶은 한 가지는
	데이터를 쌓으면 다른 시각화 작업도 할 수 있죠. 그래프 빌더로 돌아가서 이 데이터를 가져오고 싶습니다.
	으로
	네, 그리고 라벨을 뜯어볼게요. 이렇게 하면 다양한 종류가 어디에 있는지 볼 수 있어서 정말 좋아요. 그래서 이게 전부예요.
	아시다시피, 상자 그림을 보면 데이터의 변화를 볼 수 있는데, 이건 무슨 일이 일어나고 있는지 시각화하는 아주 좋은 방법입니다.
	그래프 빌더를 사용하는 또 다른 강력한 방법인데, 이 경우 데이터를 쌓아야 합니다. 이제 다음 작업도 할 수 있습니다.
	점 데이터를 가져오면, 그걸 빼고 점 데이터를 거기에 넣은 다음 평활화 작업을 할 수 있습니다. 이제 개별 평활화이므로 모든 데이터에 대한 평균이 됩니다. 우리가 하고 싶은 것은 다음과 같습니다.
	Savitzky-Golay 스무딩이므로 끌어야 합니다.
	오버레이, 맞죠? 이게 전부입니다. 지금은 잘 안 보이겠지만, 이렇게 해 볼게요. 잘 보이셨으면 좋겠네요. 'Smoother'에서 'Savitzky-Golay'로 전환하겠습니다.
	그렇죠. 그리고 당신은... 바라건대, 지금 그 선에 맞는 것을 보았을 겁니다. 바로 그 매끄러운 선이요.
	Savitzky-Golay를 사용해서 데이터를 평활화하는 또 다른 방법입니다. 그리고 이것을 이차방정식으로 바꾸고, 여기서 부분 트리밍을 한 다음, 최종적으로 데이터 테이블에 다시 저장할 수 있습니다.
	일단은 여기서 마치겠습니다.
	맞아요. 이 데이터를 분할해서 데이터 테이블에 다시 저장해야 했다는 걸 기억하세요. 분할 단계는 건너뛰고 바로 원래 데이터 테이블로 돌아가겠습니다.
	그건 필요 없어요.
	맞아요 그리고 그때 내가
	Graph Builder에서 다시 데이터를 살펴보세요.
	나는 이 표준 정규 변인군을 취할 수 있습니다.
	그것을 넣으세요. 다시 말하지만, 그다지 유망해 보이지는 않지만 평행선을 그린 다음 마우스 오른쪽 버튼을 클릭하겠습니다.
	저울을 합치세요.
	이제 기본적으로 스무딩 작업이 끝났습니다. 모든 설정이 완료되었습니다. 여기에도 0선을 추가할 수 있습니다.
	필요하다면 추가해 보겠습니다.
	0이면 우리는 그것을 일종의 녹색으로 만들 것입니다.
	그거 추가해 주세요.
	'알겠습니다'라고 말하고, 다시 한번 이것을 사용하여 정점이 어디인지 알아낼 수 있습니다.
	제가 그 0점을 통과했을 때의 최고점을 기준으로 하면, 알겠습니다.
	그러니까, 거의 다 됐어요. 다시 우리 이야기로 돌아가죠.
	파워포인트.
	결론적으로, 전처리가 필요했습니다. 데이터를 전처리해서 더 깔끔하고, 작업하기 훨씬 쉽게 만들어야 했습니다.
	JMP에서도...
	JMP가 이걸 만들고 있어요...
	저희는 이 과정을 훨씬 더 쉽게 만들기 위해 노력하고 있습니다. JMP 16의 전처리 기능은 추가 기능과 기본 제공 기능을 통해 지원될 예정입니다.
	JMP 17에서는 전처리 기능이 추가되고, 훨씬 더 정교한 스펙트럼 및 베이스라인 평활화 옵션과 피크 감지 및 선택 기능이 포함된 기능 데이터 탐색기가 제공될 예정이라 기대됩니다.
	스펙트럼 데이터 분석을 위해서... 2020년에 Discovery에서 제가 한 강연이 있습니다.
	뮌헨. 가상 강연이었지만, JMP를 사용하여 스펙트럼 데이터를 분석하는 방법을 잘 이해하실 수 있을 겁니다.
	이만 마치겠습니다. 감사드리고, 여러분 모두 이 글이 유익하셨으면 좋겠습니다. 알려주시면 감사하겠습니다.

고급 통계 모델링기본 데이터 분석 및 모델링소비자 및 시장 조사실험 설계예측 모델링 및 머신 러닝품질 및 공정 엔지니어링