¿Qué es chemotools?#

chemotools es un paquete de Python de código abierto para preprocesamiento espectral y modelado quimiométrico. Se integra directamente con el ecosistema de scikit-learn, permitiendo el desarrollo reproducible y escalable de modelos espectroscópicos.

  • Kit de herramientas extenso: transformadores para datos espectroscópicos diversos.

  • Componible y escalable: pipelines que se integran directamente y crecen con tu flujo de trabajo.

  • Confiable y transparente: rigurosamente probado, revisado por pares y abierto.

Nota

Construye exactamente lo que necesitas, integra con las herramientas en las que confías y escala sin compromisos.

Bloques de construcción componibles / ciclo de vida

Consejo

¿Curioso sobre scikit-learn? Consulta la descripción general de scikit-learn.

Kit de herramientas extenso#

Spectroscopy is diverse — different instruments, sample matrices, and analysis goals demand different approaches. chemotools provides a focused set of transformers for spectroscopic data and makes it simple to assemble them into preprocessing pipelines. The toolkit covers baseline correction, smoothing, scaling, derivatization, scatter correction, physical unit conversions (absorbance, transmittance, reflectance, Kubelka-Munk), and adaptation methods for calibration transfer between instruments. By connecting to the wider Python ecosystem, you can leverage state-of-the-art machine learning and scientific libraries to build robust, end-to-end spectroscopic models.

Ecosistema: chemotools con sklearn, numpy y amigos

Nota

Conecta tu preprocesamiento con el ecosistema de scikit-learn para desbloquear un amplio conjunto de herramientas para selección de características, ajuste de modelos, validación y despliegue.

Consejo

¿Quieres explorar las herramientas a tu alcance? Visita la descripción general de exploración.

Componible y escalable#

chemotools transforma el preprocesamiento en un proceso modular y componible: cada transformador sigue la API fit / transform y se integra directamente con pipelines de scikit-learn. El preprocesamiento, selección de características, modelado y validación se pueden encadenar directamente — sin adaptadores requeridos.

Esta componibilidad asegura reproducibilidad (los pipelines son declarativos), robustez (intercambia bloques sin refactorizar) y escalabilidad (patrones de paralelización y despliegue aprovechando infraestructura ya soportada por el ecosistema).

Nota

Desde la exploración hasta el despliegue, chemotools crece con tu flujo de trabajo.

Calidad y transparencia#

chemotools combina extensibilidad y escalabilidad con transparencia de código abierto, haciendo que la validación y la confianza sean más fáciles desde el principio.

  • Pruebas exhaustivas — cubierto por extensas pruebas unitarias y cobertura continua de código para confiabilidad y robustez.

  • Transparencia — proporcionamos una Lista de Materiales de Software (SBOM) en formato CycloneDX con cada lanzamiento, soportando validación y aprobación en entornos regulados.

  • Revisado por pares — publicado en el Journal of Open Source Software (JOSS) después de revisión independiente por pares.

Nota

Calidad, transparencia y confianza — incorporadas desde el principio.