ST808: Multivariat dataanalyse og kemometri

Det Naturvidenskabelige Studienævn

Undervisningssprog: På dansk eller engelsk afhængigt af underviser, men engelsk ved internationale studerende
EKA: N370000102
Censur: Intern prøve, en bedømmer
Bedømmelse: Bestået/Ikke bestået
Udbudssteder: Odense
Udbudsterminer: Efterår
Niveau: Kandidat

STADS ID (UVA): N370000101
ECTS-point: 5

Godkendelsesdato: 25-04-2019


Varighed: 1 semester

Version: Godkendt - aktiv

Kommentar

15009501(tidligere UVA) er identisk med denne kursusbeskrivelse.
Kandidatkursus forhåndsgodkendt som PhD-kursus


Indgangskrav

Ingen

Faglige forudsætninger

Studerende, der følger kurset, forventes at have kendskab til lineær algebra og basal statistik.

Formål

Kurset har til formål at sætte den studerende i stand til at studere
multivariate kalibreringsmetoder og deres anvendelser i kemometri.

Kurset bygger oven på den viden, der er erhvervet i kurserne lineaer algebra og matematisk statistik.

I forhold til uddannelsens kompetenceprofil har kurset eksplicit fokus på at:

  • Give kompetence
    til at planlægge og udføre videnskabelige projekter på højt fagligt
    niveau herunder styre arbejds- og udviklingssituationer, der er
    komplekse, uforudsigelige og forudsætter nye løsningsmodeller
  • Give færdigheder i mestre computerberegninger som videnskabeligt undersøgelsesværktøj
  • Give viden
    om avancerede modeller og metoder i anvendt matematik baseret på
    højeste internationale forskning, herunder emner fra fagets
    forskningsfront, viden om anvendelse af disse modeller og metoder på
    problemer fra andre fag og erhvervslivet

Målbeskrivelse

For at opnå kursets formål er det læringsmålet for kurset, at den studerende demonstrerer evnen til at:

  • beskrive de vigtigste kemometriske metoder til multivariat kalibrering og at kunne anvende disse i en konkret sammenhæng.
  • kende
    til anvendelsen af en statistisk programpakke, som f.eks. R, til
    løsningen af konkrete multivariate kalibreringsproblemer, og at kunne
    beskrive resultatet af en sådan analyse i rapportform.
  • beskrive
    de forskellige kemometriske metoders fordele og ulemper med henblik på
    at vælge den korrekte metode til at løse et givet multivariat
    kalibreringsproblem.
  • beskrive til de vigtigste metoder til
    validering og optimering af en given kalibreringsmetode for et konkret
    problem, med henblik på at vurdere metodens korrekthed i den givne
    sammenhæng.

Indhold

Kurset indeholder følgende faglige hovedområder:

  • Repetition af elementære begreber fra statistik og matrixregning.
  • Introduktion til kemometri og multivariat kalibrering.
  • Multipel lineær regression (MLR).
  • Klassiske mindste kvadraters metode (CLS).
  • Principal komponent analyse (PCA).
  • Principal komponent regression (PCR).
  • Partiel mindste kvadraters metode (PLS).
  • Validering og optimering af kalibreringsmodel.
  • Litteratur

    Litteratur

    Se BlackBoard for pensumlister og yderligere litteraturhenvisninger.

    Eksamensbestemmelser

    Eksamenselement a)

    Tidsmæssig placering

    Efterår

    Udprøvninger

    Evaluering ved bedømmelse af tre projektrapporter over kemometrisk dataanalyse, som stilles i løbet af kurset

    EKA

    N370000102

    Censur

    Intern prøve, en bedømmer

    Bedømmelse

    Bestået/Ikke bestået

    Identifikation

    Fulde navn og SDU brugernavn

    Sprog

    Følger, som udgangspunkt, undervisningssprog

    Hjælpemidler

    Oplyses på kurset

    ECTS-point

    5

    Uddybende information

    Reeksamen i samme eksamenstermin eller i umiddelbar forlængelse heraf. Eksamensformen ved reeksamen kan være en anden end eksamensformen ved den ordinære eksamen.

    Vejledende antal undervisningstimer

    48 timer per semester

    Undervisningsform

    For at sætte de studerende i stand til at nå læringsmålene for kurset tilrettelægges undervisningen således, at der er 48 forelæsningstimer, holdtimer etc. på et semester.

    Disse undervisningsaktiviteter udmønter sig i en anslået vejledende fordeling af arbejdsindsatsen hos en gennemsnitsstuderende på følgende måde:

    • Introfase (forelæsning, holdtimer) - Antal timer: 24
    • Træningsfase: Antal timer: 24
    • Total: Antal timer: 48

    Aktiviteter i studiefasen: At studere kursusmaterialet og blive fortrolig med statistiske analyser i software-programmet R, individuelt eller i grupper.

    Ansvarlig underviser

    Navn E-mail Institut
    Hans Christian Petersen hcpetersen@sdu.dk

    Yderligere undervisere

    Navn E-mail Institut By
    Nicky Cordua Mattsson mattsson@imada.sdu.dk

    Skemaoplysninger

    49
    Monday
    30-11-2020
    Tuesday
    01-12-2020
    Wednesday
    02-12-2020
    Thursday
    03-12-2020
    Friday
    04-12-2020
    08 - 09
    09 - 10
    10 - 11
    11 - 12
    12 - 13
    13 - 14
    14 - 15
    15 - 16
    Vis fuldt skema

    Administrationsenhed

    Institut for Matematik og Datalogi (datalogi, fiktiv)

    Anbefalede studieforløb

    Profil Program Semester Periode