Vurderingsordning

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 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.

Mer om vurdering

Ved utsatt eksamen kan skriftlig eksamen bli endret til muntlig eksamen.

Anbefalte forkunnskaper

Basiskunnskaper i matematikk (spesielt lineær algebra), statistikk og kjemi.

Kursmateriell

Oppgis ved semesterstart.

Studiepoengreduksjon