Emne - Kjemometri - KJ8175
Kjemometri
Velg studieårVurdering og obligatoriske aktiviteter kan bli endret frem til 20. september.
Om
Om emnet
Faglig innhold
Dette emnet gir en introduksjon til kjemometriske metoder for dataanalyse og eksperimentell design, med vekt på anvendelser innen biologi, bioteknologi, kjemi, materialvitenskap og fysikk. Du vil lære å designe effektive eksperimenter, forbbehandle data for analyse, konstruere modeller for å avdekke underliggende sammenhenger i data og trekke ut meningsfull informasjon fra komplekse datasett.
Følgende temaer dekkes:
- Forbehandling av data (f.eks. numerisk derivasjon og integrasjon, fjerning av støy og frekvensanalyse)
- Design av eksperimenter (f.eks. fullstendige og fraksjonelle faktorielle design)
- Regresjon (f.eks. lineære og ikke-lineære minste kvadraters metode) og maskinlæringsteknikker for ikke-veiledede (f.eks. klyngeanalyse) og veiledede problemer (f.eks. klassifisering)
- Modellvalidering (f.eks. bruk av testsett, kryssvalidering og bootstrapping)
- Dimensjonsreduksjon og bruk av latente variabler for å trekke ut meningsfull informasjon fra komplekse datasett (f.eks. prinsipalkomponentanalyse og partial least squares regression)
Læringsutbytte
Kunnskaper
Etter avsluttet kurs kan studenten:
- Forklare prinsippene for eksperimentell design, inkludert faktorielle design, og hvordan data fra slike design analyseres.
- Forklare formål og bruksområder til ulike forbehandlingsmetoder
- Velge passende kjemometriske teknikker basert på en evaluering av dataanalysebehovene
- Beskrive kjemometriske metoder for veiledet og ikke-veiledet læring (f.eks. regresjon, prinsipalkomponentanalyse), samt gi eksempler på deres anvendelse i den virkelige verden
- Analysere og tolke resultater fra fra kjemometriske metoder
- Forklare hvordan valideringsmetoder brukes til å evaluere kvalitet og nøyaktighet til ulike modeller
Ferdigheter
Etter avsluttet kurs kan studenten:
- Redusere dimensjonalitet til komplekse datasett for å hente ut tolkbar informasjon
- Designe og analysere eksperimenter ved bruk av teknikker fra eksperimentell design
- Forberede data for analyse ved bruk av passende forbehandlingsteknikker, inkludert, rengjøring, transformasjon og skalering
- Utføre prinsipalkomponentanalyse og klyngeanalyse for å utforske og tolke komplekse datasett
- Bygge regresjonsmodeller for prediksjon og dataanalyse
- Bygge klassifiseringsmodeller for prediksjon og datakategorisering
- Evaluere kvalitet av modeller ved bruk av valideringsteknikker som testsett og kryssvalidering
Generell kunnskap
Etter avsluttet kurs kan studenten:
- Formidle komplekse kjemometriske resultater effektivt, ved bruk av klart og konsist språk og visualiseringer
- Bruke Python-programmering til å løse kjemometriske problemer, inkludert dataimport, forbehandling, analyse og visualisering
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 timer.
Obligatoriske aktiviteter
- Prosjektarbeid
Mer om vurdering
Vurderingen i emnet gjøres på grunnlag av presentasjonen av prosjektarbeidet (20%) og muntlig eksamen (80%).
Anbefalte forkunnskaper
Basiskunnskaper i matematikk (spesielt lineær algebra), statistikk og kjemi (eller et lignende naturvitenskapelig område).
Kursmateriell
Oppgis ved semesterstart.
Studiepoengreduksjon
Emnekode | Reduksjon | Fra |
---|---|---|
TKJ4175 | 7,5 sp | Høst 2015 |
KJ6020 | 7,5 sp | Høst 2022 |
Fagområder
- Kjemometri
- Fysikalsk kjemi
- Kjemi
- Teknologiske fag