Behörighetskrav

120 hp med 60 hp kemi inklusive 10 hp analytisk kemi. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)

Mål

Efter godkänd kurs ska studenten kunna:

• redovisa och analysera olika typer av analytisk kemidata, deras egenskaper och relevanta kvalitetskriterier,
• implementera och använda grundläggande kod och arbetsflöden för datarensning och förbehandling, samt använda relevant mjukvara för att bearbeta och strukturera dataset,
• planera, dokumentera och redovisa dataflöden med hjälp av metadata samt tillämpa principer för reproducerbarhet och FAIR (Findable, Accessible, Interoperable, Reusable) -data,
• analysera och tolka dataset med hjälp av deskriptiv statistik, explorativ dataanalys och multivariata metoder,
• välja, utforma och bedöma lämpliga visualiseringar för olika typer av data samt tillämpa principer för tydlig och etisk visualisering,
• kommunicera analysresultat på ett anpassat sätt, muntligt och skriftligt,
• analysera, jämföra och värdera regressions-, kalibrerings- och klassificeringsmetoder samt genomföra och bedöma modellvalidering och korsvalidering för analytiska dataset.

Innehåll

Kurskomponenter:

Datafundament och förbehandling.

Olika typer av analytisk kemidata. Datakvalitet: noggrannhet, precision, osäkerhet, betydelse, detektionsgränser. Datahantering och förbehandling. Programvara för datahantering. Bearbeta dataset, flytta från råa instrumentfiler till processade dataset till behandlade, återanvändbara data miljöer. Dokumentation, metadata, reproducerbarhet.

Utforskning och förståelse av data

Beskrivande statistik och fördelningar. Identifiering av avvikelser och trender. Utforskande dataanalys. Multivariata datamängder, korrelation, kovarians, klustring, Principalkomponentanalys (PCA).

Visualisering och kommunikation.

Principer för tydlig och etisk visualisering samt val och design av diagram. Interaktiv och dynamisk visualisering. Kommunicera resultat till specialister och icke-specialister. Reproducerbara arbetsflöden: anteckningsböcker, versionshantering, FAIR-dataprincip.

Modellering och Tillämpad Kemometri

Multivariat regression och kalibreringsmetoder. Klassificeringsmetoder (PCA-baserad klustring, Linjärdiskrimentanalys (LDA), k-means). Modellvalidering och korsvalidering.

Undervisning

Undervisningen sker i form av föreläsningar, workshops och projekt.

Kursstart, workshops samt projekt är obligatoriska moment.

Examination

Muntlig och skriftlig redovisning av projektarbetet (6hp). Aktivt deltagande i workshops (4hp).

Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en enskild student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare för studenter med funktionsnedsättning.