course-details-portlet

KJ8175 - Kjemometri

Om emnet

Vurderingsordning

Vurderingsordning: Samlet karakter
Karakter: Bestått/ Ikke bestått

Vurdering Vekting Varighet Delkarakter Hjelpemidler
Muntlig eksamen 80/100 45 minutter E
Prosjektforedrag 20/100 45 minutter E

Faglig innhold

Emnet er en innføring i 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 store datasett og bruke dette for å støtte avgjørelser. Spesifikt dekkes følgende temaer:

  • enkel regresjon (f.eks. minste kvadraters metode og polynomregresjon),
  • eksperimentell design (fullt og fraksjonelt faktorielt design),
  • preprosessering (f.eks. auto scaling, Fourier-filtrering, Savitsky-Golay-filtrering og numerisk derivasjon, konvolusjon),
  • reduksjon av store datamengder til tolkbar informasjon, f.eks. ved bruk av metoder som prinsipalkomponentanalyse, prinsipalkomponentregresjon og partial least squares regresjon,
  • modellvalidering (ved bruk av testsett, kryssvalidering, bootstrap og y-randomisering),
  • klyngeanalyse (f.eks. hierarkisk klyngeanalyse og k-means klyngeanalyse)
  • klassifisering (f.eks. random forest og k-nærmeste nabometode)
  • introduksjon til maskinlæringsteknikker for klassifisering, regresjon og klyngeanalyse.

Læringsutbytte

Kunnskaper

Etter avsluttet kurs kan studenten:

  • Forklare forskjellen på veiledede og ikke-veiledede metoder og bestemme om en veiledet eller ikke-veiledet metode er best egnet i ulike situasjoner.
  • Forklare hvordan eksperimentelle design brukes for forsøksplanlegging og hvordan resultater fra eksperimentelle design analyseres.
  • Gi eksempler på ulike preprosesseringsmetoder og velge hva slags metode som er mest hensiktsmessig i forskjellige situasjoner.
  • Beskrive ikke-veiledede metoder som prinsipalkomponentanalyse og klyngemetoder, gi eksempler på bruk og tolke og vurdere resultater fra slike metoder.
  • Beskrive ulike regresjonsmetoder (f.eks. minste kvadraters metode og partial least squares), gi eksempler på bruk og tolke og vurdere resultater fra slike metoder.
  • Beskrive ulike klassifiseringsmetoder, gi eksempler på bruk og tolke og vurdere resultater fra slike metoder.
  • Forklare hvordan valideringsmetoder brukes for å analysere ulike modellers prediktive evne.
  • Indikere gyldighetsgrenser for metodene og modellene som dekkes i kurset.

Ferdigheter

Etter avsluttet kurs kan studenten:

  • Redusere, forenkle og omforme store datamengder til tolkbar informasjon.
  • Sette opp, utføre og tolke resultater fra et eksperimentelt design.
  • Utføre preprosessering for ulike datasett.
  • Utføre prinsipalkomponentanalyse og klyngeanalyse, og bruke dette for å tolke store datamengder.
  • Utføre regresjon og bruke dette for modellering og prediksjon.
  • Utføre klassifisering og bruke dette for modellering og prediksjon.
  • Bruke testsett og kryssvalidering for å beskrive og sammenligne ulike modellers prediktive evne.

Generell kunnskap

Etter avsluttet kurs kan studenten:

  • Presentere resultater fra modellering og analyse skriftlig og grafisk.
  • Bruke Python for enkel vitenskapelig analyse og plotting, spesifikt for de forskjellige metodene som kurset dekker.

Læringsformer og aktiviteter

  • Forelesninger.
  • Øvinger.
  • Prosjektarbeid.

Prosjektarbeidet er en obligatorisk individuell oppgave der kandidaten utfører en kjemometrisk dataanalyse. Tema for prosjektet velges ut fra kandidatens interesseområder.

Resultatene fra prosjektet presenteres i et foredrag på 30 minutter der kandidaten kan bli stilt spørsmål og gitt kommentarer til sin presentasjon. Dette foredraget utgjør 20% av endelig karakter i emnet.

Informasjon om undervisningsstart og obligatoriske aktiviteter kunngjøres via Blackboard.

Forventet arbeidsinnsats i emnet er 200-225 timer.

Obligatoriske aktiviteter

  • Prosjektarbeid

Mer om vurdering

Vurderingen i emnet gjøres på grunnlag av presentasjonen av prosjektarbeidet (20%) og muntlig eksamen (80%).

Kursmateriell

Oppgis ved semesterstart.

Studiepoengreduksjon

Emnekode Reduksjon Fra Til
TKJ4175 7.5 HØST 2015
KJ6020 7.5 HØST 2022
Flere sider om emnet

Ingen

Fakta om emnet

Versjon: 1
Studiepoeng:  7.5 SP
Studienivå: Doktorgrads nivå

Undervisning

Termin nr.: 1
Undervises:  VÅR 2024

Undervisningsspråk: Engelsk, Norsk

Sted: Trondheim

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

Ansvarlig enhet
Institutt for kjemi

Eksamensinfo

Vurderingsordning: Samlet karakter

Termin Statuskode Vurdering Vekting Hjelpemidler Dato Tid Eksamens- system Rom *
Høst ORD Prosjektforedrag 20/100 E
Rom Bygning Antall kandidater
Høst ORD Muntlig eksamen 80/100 E
Rom Bygning Antall kandidater
Vår ORD Prosjektforedrag 20/100 E
Rom Bygning Antall kandidater
Vår ORD Muntlig eksamen 80/100 E
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