TKJ4175 Kjemometri

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 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

Vurderingen er basert på den skriftlige prosjektrapporten, som vil bli evaluert på grunnlag av klarhet og fullstendighet i dataanalysen, korrekt anvendelse av teknikker, kvalitet på datatolkning og diskusjon, samt rapportens overordnede struktur og presentasjon. Hvis kandidatene arbeider i team, får teamet en felles karakter.

Dersom prosjektrapporten vurderes til ikke bestått, kan kandidaten(e) utføre en ny prosjektoppgave ved neste ordinære gjennomføring av emnet.

• Forelesninger.
• Øvinger.
• Prosjektarbeid

Prosjektarbeidet innebærer analyse av gitte data (f.eks. et spektroskopisk datasett fra et kjemisk eksperiment), hvor studentene bruker teknikker lært i kurset til å løse gitte dataanalyseoppgaver (f.eks. bygge en prediktiv modell for konsentrasjon av kjemiske forbindelser). Dette prosjektet har som mål å utvikle studentenes evne til å anvende kjemometriske teknikker på reelle data, tolke resultater og kommunisere funn effektivt. Studentene må oppsummere analysen sin i en skriftlig rapport som beskriver metode, resultater og tolkninger.

En viss andel av øvingsoppgavene må være godkjent før prosjektrapporten kan leveres.

Den forventede arbeidsmengden for kurset er 200 timer: 30 timer forelesninger, 70 timer øvinger og 100 timer selvstudium, inkludert gjennomgang av forelesningsnotater og prosjektarbeid.