Kursplan för Multivariat dataanalys och försöksplanering
Multivariate Data Analysis and Experimental Design
Det finns en senare version av kursplanen.
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: 2016-04-26
- Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden
- Gäller från: HT 2016
-
Behörighet:
60 hp inom programmet inklusive Programmeringsteknik II, Beräkningsvetenskap I, Sannolikhet och statistik samt Databasteknik I.
- 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.
Versioner av kursplanen
Litteratur
Litteraturlista
Gäller från: HT 2016
I bibliotekets söktjänst kan du se om en titel finns elektroniskt.
Kurskompendium som består av eget teorimaterial, introduktionsartiklar samt utdrag från olika textböcker i ämnet.