91´«Ã½ÔÚÏß

Om kursen

Introduktion till det "kemometriska konceptet": I detta avsnitt ges studenterna en överblick det kemometriska konceptet och hur kemometri fungerar som en röd råd i, (i) definition av mål, (ii) planering av experiment, (iii) skapande av informationsrika data, (iv) modellering och utvärdering, (v) visualisering av stora datamängder, samt (vi) validering och prediktioner.
Grunderna i (kemisk) dataanalys: I detta avsnitt ligger fokus på modellbegreppet och variabilitet samt hur modeller av variabilitet kan användas i dataanalys.
Försöksplanering (experimentell design): I detta avsnitt behandlas hur försöksplanering (experimentell design) kan användas för att göra så att data innehåller information, hur dessa data kan anlyseras och utvärderas samt hur man kan använda denna filosofi för att optimera (kemiska) system och processer där många variabler påverkar utfallet. Olika typer av experimentella designer, analys- och optimeringsmetoder tas upp.
Multivariat dataanalys: I detta avsnitt behandlas hur stora komplexa datamängder (tabeller) uppbyggda av ett stort antal korrelerade variabler kan analyseras så att, (i) en överblick av multivariata data kan erhållas, (ii) likheter och skillnader mellan prover kan detekteras och tolkas, (iii) relationen mellan block (tabeller) av data kan modelleras och tolkas. Specifika tillämpningar tas upp såsom, kvantitativa strukturegenskapssamband, multivariat kalibrering, multivariat klassificering samt övervakning och kontroll av industriella och andra processer. Olika typer av multivariata projektionsmetoder såsom principalkomponentanalys (PCA), partial least squares projections to latent structures (PLS) och ortogonal PLS (OPLS) presenteras.