Шифра предмета:
371H1		 Назив предмета:
Хемометрија

Школска година:

2019/2020.

Услови похађања:

Нема услова.

ЕСПБ:

8

Врста студија:

докторске академске студије

Студијски програми:

Хемија: 1. година, зимски семестар, изборни (E72H1), стручно-апликативни предмет

Хемија: 1. година, зимски семестар, изборни (E71H1), стручно-апликативни предмет

Хемија: 2. година, зимски семестар, изборни (E73H1), стручно-апликативни предмет

Хемија: 2. година, зимски семестар, изборни (E74H1), стручно-апликативни предмет

Наставник:

др Филип Љ. Андрић
ванредни професор, Хемијски факултет, Студентски трг 12-16, Београд

Сарадници:

—

Фонд часова:

Недељно: пет часова предавања (5+0+0)

Циљеви:

Курс хемометрије је осмишљен по узору на сличне курсеве који се изводе на: Универзитeту у Лувену (Белгија), Умеа Универзитету (Шведска) и Универзитету у Бергену (Норвешка), тако да задовољaва највише савремене стандарде. Циљ курса је да студенте упозна са основним концептима и техникама напредне обраде података. Кроз мноштво практичних примера, курс је фокусиран пре свега на аспекте примене модерних техника обраде података у спектроскопији, хроматографији, масеној спектрометрији, нуклеарној магнетној резонанци у оквирима анализе хране, хемије животне средине, медицинске хемије, археометрије, контроле квалитета и сл.

Исход:

По завршетку курса студент би требало да буде оспособљен да: разуме значај и концепте метода препознавања образаца, ескплоративне анализе података, моделовања и класификације, експерименталног дизајна и оптимизације; користи стандардне компјутерске програме за (статистичку) обраду података; користи научну и стручну литературу из области хемометрије, у складу са индивидуалним потребама докторских студија, односно посла којим се бави.

Облици наставе:

Интерактивни облик наставе кроз индивидуални рад, предавања и семинарски рад.

Ваннаставне активности:

—

Литература:
  • James N. Miller, Jane C. Miller: Statistics and Chemometrics for Analytical Chemistry, Pearson Education, Harlow, 2000.
  • Richard G. Brereton, Chemometrics: Data Analysis for the Laboratory and Chemical Plant, Wiley, 2003.
  • K. Varmuza, P. Filmoser: Introduction to Multivariate Statistical Analysis in Chemometrics, CRC Press, Taylor and Francis Gorup, 2009, Boca Raton

Додатни материјал:

—

  Наставне обавезе и начин оцењивања

Предавања:

10 поена (5 часова недељно)

Програм рада:

ОСНОВНИ ЕЛЕМЕНТИ ДЕСКРИПТИВНЕ И ИНФЕРЕНЦИЈАЛНЕ СТАТИСТИКЕ

  • Статистика поновљених мерења - мере централне тенденције и мере расипања, грешке мерења
  • Параметријски и непараметријски тестови значајности
  • Униваријантна линеарна и криволинијска регресија

(примери из анлитике, развоја и валидације аналитичких метода)

 

МУЛТИВАРИЈАНТНА АНАЛИЗА ПОДАТАКА

  • Експлоративна анализа и препознавање образаца (Анализа главне компоненте (PCA), хијерархијска кластерска анализа (HCA), кластерска анализа методом к-средњих вредности, концепт интерне и екстерне валидације кластера)
  • Обрада 3D података (паралелна факторска анлиза (PARAFAC)
  • Мултиваријантна анализа варијансе (МАNOVA)
  • Регресија и калибрација (Вишеструка линеарна регресија (MLR), регресија методом главних компоненти (PCR), регресија методом делимичних најмањих квадрата (PLS), технике кросвалидације, параметри квалитета регресионог модела, селекција варијабли)
  • Класификација (Линеарна дикриминантна анализа LDA, дискриминантна анализа куплована са методом делимичних најмањих квадрата (PLS-DA), SIMCA, оцена перформанси класификационих модела)

(моделовање хроматографских профила супстанци од фармаколошког значаја, биолошки активних једињења, анализa и контролa аутентичности хране и прехрамбених производа, конторле квалитета биљних екстраката, идентификицја биомаркера и фитохемикалија, предвиђањe и моделовањe активности и физичко-хемијских параметара једињења од интереса за животну средину и биолошке системе, анализа минералних и спектроскопских података археолошких узорака, узорака земљишта и сл.)

 

НЕЛИНЕАРНИ АЛГОРИТМИ

  • Вештачке неуронске мреже (АNN) 
  • Регресиона и класификациона стабла (RT) 
  • к-најближи суседи (kNN) 

(природом инспирисани алгоритми у моделовању биолошке активности и физичко-хемијских својстава и фармакодинамичких особина једињења - QSAR, QSPR, анализа хроматографских профила биљних есктраката и минералног састава археолошких узорака и спектроскопског профила земљишта)

 

ЕКСПЕРИМЕНТАЛНИ ДИЗАЈН  И ОПТИМИЗАЦИЈА

  • Основе експерименталног дизајна
  • Факторски, централни, Бокс-Бенкенов дизајн, дизајн смеше
  • Симплекс оптимизација
  • Вишекритеријумска оптимизација

(Оптимизација реакционих услова и хроматографских метода)

Семинарски радови:

40 поена

Напомене:

Кратка усмена форма (до 10-15 минута) на тему по договору

Писмени испит:

50 поена