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: HT 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.
Versioner av kursplanen
Litteratur
Litteraturlista
Gäller från: HT 2019
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.