Faglig innhold

Kurset vil introdusere bruken av enkle dataanalyse- og visualiseringsteknikker i kjemi, ved å bruke Python som et generelt skript- og programmeringsspråk. Du vil lære de grunnleggende dataanalyseteknikkene som trengs for å tolke eksperimentelle data innhentet i eksperimentelle laboratoriekurs, og du vil også bli introdusert for bruken av Jupyter-notatboken som et interaktivt verktøy for skripting og programmering. Kurset bruker Python som et skriptspråk for å hjelpe til med kvantitativ analyse av data, men det er ikke ment å være et omfattende kurs i generell programmering. Det vil imidlertid introdusere elementene i Python-språket, og derfor bør det tjene som en nyttig for-introduksjon til Python-programmering.

Kurset leveres gjennom en kombinasjon av forelesninger og interaktive økter, ved hjelp av Jupyter-notatbøker. Den første delen av kurset vil introdusere enkle datatyper i Python, 1D og 2D numeriske matriser, enkle numeriske beregninger, funksjonsdefinisjoner og plotting via Matplotlib datavisualiseringsbiblioteket. Fokuset vil være på

• Produksjon av rene, merkede, lettleste lineære og logaritmiske 2D-plott, ved bruk av passende enheter.
• Generelle statistiske størrelser, inkludert gjennomsnitt, typetall, median, standardavvik, standardfeil og relativt standardavvik.
• Visuell presentasjon av statistiske data ved hjelp av histogrammer og andre plottyper.
• Uttrekking og manipulering av underdata innenfor et større datasett, ved bruk av spleisemetoder og logiske operatorer.
• Enkle metoder for å skrive data til tekstfiler og importere data fra tekstfiler til Python
• Vektet og uvektet lineær tilpasning av kjemiske data til polynomer og andre grunnleggende funksjoner med vekt på farene ved overtilpasning av data til polynomer av høy orden.
• Bruk av Python-moduler for å utvide funksjonaliteten til kjerneprogrammeringsspråket i Python, ved å bruke Scipys curve_fit-funksjon for ikke-lineær tilpasning som et eksempel.
• Introduksjon til 3D-kurveplotting , sammen med bruk av konturplott og projeksjoner for 2D-representasjon av 3D-data.
• Bruk av eksperimentell design (faktoriell design) for å planlegge og utføre eksperimenter.

I andre del av emnet skal du gjennomføre en rekke bestått/ikke bestått og vurderte oppgaver som benytter seg av begrepene introdusert i den tidligere delen av emnet. Disse oppgavene skal illustrere anvendelsen av metodene vi har lært på vanlige problemer innen kjemi, inkludert analyse av kinetiske data, tilpasning av kjemiske data til kjente fysiske modeller, statistisk analyse av kjemiske data og planlegging av kjemibaserte eksperimenter.

De vurderte oppgavene vil også inneholde en laboratoriebasert komponent, hvor du vil bli pålagt å samle eksperimentelle data for videre analyse i Python.

Læringsutbytte

Etter vellykket gjennomføring av kurset bør du være komfortabel med å bruke Python for enkel analyse og plotting av eksperimentelle data. Spesielt vil du kunne:

• Bruk Python som et skriptspråk for analyse og plotting.
• Bruk Jupyter notatbøker som et interaktivt skriptmiljø.
• Forstå og bruk vanlige datatyper i Python, både i skalar- og matriseformat.
• Trekk ut grunnleggende statistisk informasjon fra datamatriser, inkludert gjennomsnitt, median, typetall, standardavvik og relativt standardavvik.
• Bruk lineære og ikke-lineære tilpasningsmetoder for å tilpasse data til enkle funksjoner.
• Generer rene, merkede plott i 2D og 3D med passende enheter.
• Forstå hvordan teknikkene ovenfor kan brukes på vanlige problemer og oppgaver innen fysikalsk, organisk, uorganisk og analytisk kjemi.

Læringsformer og aktiviteter

Kurset vil bli gitt gjennom en kombinasjon av forelesninger og Jupyter notatbokøvelser. Dere skal jobbe med to oppgaver gjennom semesteret, med blandede eksperimentelle/beregningsøvelser, en med fokus på innhenting og analyse av kinetiske data, og den andre fokusert på bruk og anvendelse av faktoriell design i planlegging av kjemiske eksperimenter. Dere skal jobbe to og to eller i små grupper med rapporten.

Den totale arbeidsmengden er 200 timer inkludert forelesninger, problemsett og selvstudier.

Spesielle vilkår

Anbefalte forkunnskaper

Antatte forkunnskaper: matematikk fra videregående.

Kursmateriell

En serie interaktive Jupyter-notatbøker vil bli gitt.