Kursplan för Multivariat dataanalys och försöksplanering

Multivariate Data Analysis and Experimental Design

Kursplan

  • 5 högskolepoäng
  • Kurskod: 1MB344
  • Utbildningsnivå: Grundnivå
  • Huvudområde(n) och successiv fördjupning: Datavetenskap G2F, Teknik G2F

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå
    G1N: har endast gymnasiala förkunskapskrav
    G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    GXX: kursens fördjupning kan inte klassificeras.

    Avancerad nivå
    A1N: har endast kurs/er på grundnivå som förkunskapskrav
    A1F: har kurs/er på avancerad nivå som förkunskapskrav
    A1E: innehåller examensarbete för magisterexamen
    A2E: innehåller examensarbete för masterexamen
    AXX: kursens fördjupning kan inte klassificeras.

  • Betygsskala: Underkänd (U), godkänd (3), icke utan beröm godkänd (4), med beröm godkänd (5)
  • Inrättad: 2009-03-16
  • Inrättad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Reviderad: 2018-08-30
  • Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Gäller från: vecka 30, 2019
  • Behörighet: 60 hp inom civilingenjörsprogrammet i molekylär bioteknik inklusive Beräkningsvetenskap I, Sannolikhet och statistik samt Linjär algebra II. Genomgången Programmeringsteknik II.
  • Ansvarig institution: Institutionen för biologisk grundutbildning

Mål

Efter godkänd kurs ska studenten kunna:

  • tillämpa och teoretiskt redogöra för några av de grundläggande metoderna inom explorativ multivariat dataanalys; datakomprimering och visualisering med hjälp av principal-komponentanalys och klustringsanalys.
  • tillämpa grundläggande försöksplaneringsteknik såsom faktoriell prediktiv multivariat dataanalys;konventionell minsta kvadratanpassning till linjära modeller och design av linjära diskriminantfunktioner för klassificering.
  • tillämpa grundläggande försöksplaneringsteknik; faktoriell design och responsytedesign i två nivåer.
  • implementera och utföra analyser och tolkningarna med hjälp av minst en generell mjukvarubaserad analysmiljö t.ex. MATLAB eller R

Innehåll

Explorativ multivariat dataanalys: principalkomponentanalys och grundläggande hierarkisk klustring. Prediktiv multivariat analys: linjär och kvadratisk modellering med hjälp av minsta kvadratanpassning samt latent variabelmodellering. Design av klassificeringsmodeller i form av närmaste grannemetoden, linjära diskriminatnfunktioner och SIMCA. Modellval och prestandauppskattning. Försöksplanering: Design i två nivåer för screening och för responsytemodellering. Optimering med hjälp av simplexmetoden. Implementation och tillämpningar: Datorövningar i MATLAB delvis med hjälp av data från verkliga tillämpningar.

Undervisning

Föreläsningar, seminarier, räkneövningar, datorövningar.

Examination

Datorövningar, inlämningsuppgifter och skriftligt prov. 
 
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.

Litteratur

Litteraturlista

Gäller från: vecka 30, 2019

Kurskompendium som består av eget teorimaterial, introduktionsartiklar samt utdrag från olika textböcker i ämnet.