Efter kurset har du erfaring i at anvende de gængse kemometriske metoder, der bruges i alle biologisk og kemiske discipliner, hvor der bruges avanceret spektrometriske og andre fysik/kemiske målemetoder. Kemometri bruges i stort og stigende omfang i grundvidenskabelige fag og industrielle virksomheder.
Læringsmål:
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
Give en oversigt over vigtige kemometriske metoder.
Identificere situationer hvor man bør bruge eksplorativ dataanalyse.
Beskrive og bruge forskellige former for skalering, transformering og normalisering af data.
Forstå og beskrive forskellen mellem klassifikation og regression.
Forstå og beskrive forskellen mellem klustering og ordination.
Anvende og fortolke principal komponent analyse (PCA) på multivariate data.
Anvende og fortolke principperne i validering og outlier bestemmelse.
Bruge og fortolke kluster analyse på multivariate data.
Beskrive, anvende og fortolke multiple linear regression (MLR) og ridge regression (RR) og hvor disse metoder kan anvendes i to matrice problemer.
Beskrive, anvende og fortolke principal component regression (PCR) og partial least squares regression (PLSR) og hvor disse metoder kan anvendes i to matrice problemer.
Multivariat behandling af kvantitative og kvalitative datamatricer. Eksplorativ dataanalyse, regressions- og klassifikations-metoder. Skalering og standardisering af rådata. Klusteranalyse og ordination (egenværdianalyser). Principal komponent analyse, principal komponent regression, partial least square regression, principal koordinat analyse og korrespondence analyse. Validering af data, specielt krydsvalidering og jack-knifing. Anvendelse af plots i evaluering af data. Specielle problemstillinger ved biologiske, bioteknologiske og kemiske data. Kurset Workshop i biologisk dataanalyse og kemometri i juni perioden anbefales hvis man vil arbejde indgående med multivariate statistiske metoder på komplicerede bioteknologiske og kemiske datasæt.
