KJ2222 Dataanalyse og visualisering i kjemi

Kurset vil introdusere bruken av enkle dataanalyse- og visualiseringsteknikker i kjemi, ved å bruke Python som et generelt skript- og programmeringsspråk. Du vil lære de grunnleggende dataanalyseteknikkene som trengs for å tolke eksperimentelle data innhentet i eksperimentelle laboratoriekurs, og du vil også bli introdusert for bruken av Jupyter-notatboken som et interaktivt verktøy for skripting og programmering. Kurset bruker Python som et skriptspråk for å hjelpe til med kvantitativ analyse av data, men det er ikke ment å være et omfattende kurs i generell programmering. Det vil imidlertid introdusere elementene i Python-språket, og derfor bør det tjene som en nyttig for-introduksjon til Python-programmering.

Kurset leveres gjennom en kombinasjon av forelesninger og interaktive økter, ved hjelp av Jupyter-notatbøker. Den første delen av kurset vil introdusere enkle datatyper i Python, 1D og 2D numeriske matriser, enkle numeriske beregninger, funksjonsdefinisjoner og plotting via Matplotlib datavisualiseringsbiblioteket. Fokuset vil være på

• Produksjon av rene, merkede, lettleste lineære og logaritmiske 2D-plott, ved bruk av passende enheter.
• Generelle statistiske størrelser, inkludert gjennomsnitt, typetall, median, standardavvik, standardfeil og relativt standardavvik.
• Visuell presentasjon av statistiske data ved hjelp av histogrammer og andre plottyper.
• Uttrekking og manipulering av underdata innenfor et større datasett, ved bruk av spleisemetoder og logiske operatorer.
• Enkle metoder for å skrive data til tekstfiler og importere data fra tekstfiler til Python
• Vektet og uvektet lineær tilpasning av kjemiske data til polynomer og andre grunnleggende funksjoner med vekt på farene ved overtilpasning av data til polynomer av høy orden.
• Bruk av Python-moduler for å utvide funksjonaliteten til kjerneprogrammeringsspråket i Python, ved å bruke Scipys curve_fit-funksjon for ikke-lineær tilpasning som et eksempel.
• Introduksjon til 3D-kurveplotting , sammen med bruk av konturplott og projeksjoner for 2D-representasjon av 3D-data.
• Bruk av eksperimentell design (faktoriell design) for å planlegge og utføre eksperimenter.

I andre del av emnet skal du gjennomføre en rekke bestått/ikke bestått og vurderte oppgaver som benytter seg av begrepene introdusert i den tidligere delen av emnet. Disse oppgavene skal illustrere anvendelsen av metodene vi har lært på vanlige problemer innen kjemi, inkludert analyse av kinetiske data, tilpasning av kjemiske data til kjente fysiske modeller, statistisk analyse av kjemiske data og planlegging av kjemibaserte eksperimenter.

De vurderte oppgavene vil også inneholde en laboratoriebasert komponent, hvor du vil bli pålagt å samle eksperimentelle data for videre analyse i Python.