270275 VO Chemometrie und Datenanalyse in der Multidimensionalen Analytik (2018W)
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Details
max. 50 Teilnehmer*innen
Sprache: Deutsch
Prüfungstermine
Donnerstag
31.01.2019
Donnerstag
07.02.2019
Freitag
29.03.2019
Donnerstag
04.04.2019
Dienstag
09.04.2019
Mittwoch
17.04.2019
Montag
29.04.2019
Dienstag
30.04.2019
Freitag
17.05.2019
Mittwoch
03.07.2019
Dienstag
20.08.2019
Donnerstag
21.11.2019
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Mittwoch
03.10.
10:00 - 11:00
Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
Mittwoch
10.10.
10:00 - 11:00
Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
Mittwoch
17.10.
10:00 - 11:00
Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
Mittwoch
24.10.
10:00 - 11:00
Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
Mittwoch
31.10.
10:00 - 11:00
Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
Mittwoch
07.11.
10:00 - 11:00
Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
Mittwoch
14.11.
10:00 - 11:00
Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
Mittwoch
21.11.
10:00 - 11:00
Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
Mittwoch
28.11.
10:00 - 11:00
Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
Mittwoch
05.12.
10:00 - 11:00
Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
Mittwoch
12.12.
10:00 - 11:00
Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
Mittwoch
09.01.
10:00 - 11:00
Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
Mittwoch
16.01.
10:00 - 11:00
Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
Mittwoch
23.01.
10:00 - 11:00
Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
Mittwoch
30.01.
10:00 - 11:00
Seminarraum 1 Analytische Chemie 2.OG Boltzmanngasse 1
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mündliche Prüfung nach Vereinbarung. Der positive Abschluss ist mit mindestens 50% richtig beantworteter Fragen möglich. Die Skala der positiven Noten ist linear (dh 50-62% "genügend", 62,5-75% "befriedigend", 75,5-88% "gut", darüber "sehr gut").
Mindestanforderungen und Beurteilungsmaßstab
Hörerinnen und Hörer sollen nach Ende der Vorlesung mit den wichtigsten modernen Datenbehandlungsstrategien in der Theorie vertraut sein. Damit sind Sie nach Abschluß der Prüfung befähigt sich schnell in die konkrete Umsetzung mit Hilfe von Standardsoftware (z.B. MatLab o. ä.) einzuarbeiten.
Prüfungsstoff
nach Vorlesungsunterlagen: Digitales Filtern, Zeitreihenanalysen, Hauptkomponentenanalyse, Clusteranalysen, Experimental Design, Multivariate Regression
Literatur
- pdf der Verwendeten PowerPoint-Präsentation
- Matthias Otto, Chemometrie, ISBN 978-3527288496
- Richard G. Brereton, Chemometrics: Data Analysis for the Laboratory and Chemical Plant, ISBN: 978-0-471-48978-8
- Matthias Otto, Chemometrie, ISBN 978-3527288496
- Richard G. Brereton, Chemometrics: Data Analysis for the Laboratory and Chemical Plant, ISBN: 978-0-471-48978-8
Zuordnung im Vorlesungsverzeichnis
AN-1, AN-4, BC-1, CHE II-1, 2 LA-Ch 32-34, LMC-C1, LMC C1
Letzte Änderung: Mo 07.09.2020 15:42
- Mustererkennung: (Hierarchische) Clusteranalyse, Hauptkomponentenanalyse (engl.: principal component analysis)
- Modellierung von Daten: Regressionsmethoden in einer und mehreren Variablen, Principal Component Analysis, Neuronale Netze.
- Zeitreihenanalysen: Autokorrelationsfunktionen
- Qualitätssicherung und Gute Laborpraxis
- Versuchsplanung und -optimierung.
Die Chemometrie ermöglicht nicht nur die simultane Analyse von Vielkomponentengemischen, sondern auch die Klassifizierung von Proben nach nicht direkt quantifizierbaren Kriterien, wie beispielsweise die Unterscheidung verschiedener Weine voneinander anhand ihres Geschmacks bzw. Geruchs mit sogenannten "Künstlichen Nasen" bzw. "Künstlichen Zungen". Das Hauptaugenmerk der Vorlesung liegt in der Anwendung der einzelnen Methoden für konkrete analytische Fragestellungen. Auf tiefgehende mathematische Herleitungen soll daher größtenteils verzichtet werden.