course-details-portlet

KJ8175 - Kjemometri

Om emnet

Vurderingsordning

Vurderingsordning: Oppgave og muntlig eksamen
Karakter: Bestått/Ikke bestått

Vurderingsform Vekting Varighet Hjelpemidler Delkarakter
Oppgave 20/100
Muntlig eksamen 80/100 D

Faglig innhold

Emnet omhandler bruk av metoder fra kjemometri og dataanalyse med fokus på anvendelser innen kjemi, bioteknologi, prosesskjemi, materialteknologi og fysikk. Emnet dekker metoder for forsøksplanlegging, preprosessering og modellering som har som mål å trekke ut nyttig informasjon fra potensielt store datasett og bruke dette for å støtte avgjørelser. Spesifikt dekkes følgende temaer: enkel regresjon (minste kvadraters metode og polynomregresjon), eksperimentell design (full og fraksjonelt faktorielt design), preprosessering (normalisering, auto scaling, Fourier filtrering, Savitsky-Golay numerisk derivering, konvolusjon), latente variable (principal component analysis/singulærverdi dekomponering, principal component regresjon, partial least squares regresjon), modellvalidering (bruk av testsett, kryssvalidering, bootstrap og y-randomisering), klyngeanalyse (hierarkisk klyngeanalyse, k-means klyngeanalyse og «gap» statistikk), klassifisering (random forest, CART og k-nærmeste nabometode) og det gis en introduksjon til maskinlæringsteknikker for de tidligere nevnte temaene klassifisering, regresjon og klyngeanalyse.

Læringsutbytte

Etter avsluttet kurs skal studenten kunne:
(1) Sette opp, analysere og tolke resultater fra et eksperimentelt design
(2) Velge hva slags preprosessering er nødvendig i ulike situasjoner
(3) Bruke ikke-veiledede metoder som PCA og klyngeanalyse for å kunne analysere og tolke multivariable datasett
(4) Bruke regresjonsmetoder som PLS og PCR til å analysere, tolke og predikere multivariable datasett
(5) Bruke valideringsmetoder for å undersøke ulike modellers prediktive evne
(6) Gjøre rede for enkle maskinlæringsteknikker og veiledede og ikke-veiledede metoders styrker og svakheter.

Læringsformer og aktiviteter

Forelesning av teori og bakgrunn, samt datamaskin- og regneøvinger under veiledning. Ph.d.-kanddiatene velger en av flere mulige prosjektoppgaver som de utfører. Prosjektet vil være en oppgave der det utføres kjemometrisk dataanalyse og hvor resultatene presenteres i et foredrag på 30 minutter. Studenten må også kunne svare på spørsmål og kommentarer til sin presentasjon. Foredraget vil utgjøre 20% av den endelige karakteren for kurset.

Obligatoriske aktiviteter

  • Foredrag

Spesielle vilkår

Vurderingsmelding krever godkjent undervisningsmelding samme semester. Obligatorisk aktivitet fra tidligere semester kan godkjennes av instituttet.

Kursmateriell

Oppgis ved semesterstart.

Studiepoengreduksjon

Emnekode Reduksjon Fra Til
TKJ4175 7.5 01.09.2015
Flere sider om emnet

Ingen

Fakta om emnet

Versjon: 1
Studiepoeng:  7.5 SP
Studienivå: Doktorgrads nivå

Undervisning

Termin nr.: 1
Undervises:  VÅR 2021

Forelesningstimer: 2
Øvingstimer: 4
Fordypningstimer: 6

Undervisningsspråk: Engelsk, Norsk

Sted: Trondheim

Fagområde(r)
  • Kjemometri
  • Fysikalsk kjemi
  • Kjemi
  • Teknologiske fag
Kontaktinformasjon
Emneansvarlig/koordinator:

Ansvarlig enhet
Institutt for kjemi

Telefon:

Eksamensinfo

Vurderingsordning: Oppgave og muntlig eksamen

Termin Statuskode Vurderings-form Vekting Hjelpemidler Dato Tid Digital eksamen Rom *
Høst ORD Muntlig eksamen 80/100 D
Rom Bygning Antall kandidater
Høst ORD Oppgave 20/100
Rom Bygning Antall kandidater
Vår ORD Muntlig eksamen 80/100 D
Rom Bygning Antall kandidater
Vår ORD Oppgave 20/100
Rom Bygning Antall kandidater
  • * Skriftlig eksamen plasseres på rom 3 dager før eksamensdato. Hvis mer enn ett rom er oppgitt, finner du ditt rom på Studentweb.
Eksamensinfo

For mer info om oppmelding til og gjennomføring av eksamen, se "Innsida - Eksamen"

Mer om eksamen ved NTNU