Emne - Kjemometri - KJ8175
KJ8175 - Kjemometri
Om emnet
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 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%).
Anbefalte forkunnskaper
Basiskunnskaper i matematikk (spesielt lineær algebra), statistikk og kjemi.
Kursmateriell
Oppgis ved semesterstart.
Studiepoengreduksjon
| Emnekode | Reduksjon | Fra | Til |
|---|---|---|---|
| TKJ4175 | 7.5 | HØST 2015 | |
| KJ6020 | 7.5 | HØST 2022 |
Ingen
Versjon: 1
Studiepoeng:
7.5 SP
Studienivå: Doktorgrads nivå
Termin nr.: 1
Undervises: VÅR 2025
Undervisningsspråk: Engelsk, Norsk
Sted: Trondheim
- Kjemometri
- Fysikalsk kjemi
- Kjemi
- Teknologiske fag
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.
For mer info om oppmelding til og gjennomføring av eksamen, se "Innsida - Eksamen"