Šifra predmeta:
371H1		 Naziv predmeta:
Hemometrija

Školska godina:

2019/2020.

Uslovi pohađanja:

Nema uslova

ESPB:

8

Vrsta studija:

doktorske akademske studije

Studijski programi:

Hemija: 1. godina, zimski semestar, izborni (E72H1), stručno-aplikativni predmet

Hemija: 1. godina, zimski semestar, izborni (E71H1), stručno-aplikativni predmet

Hemija: 2. godina, zimski semestar, izborni (E73H1), stručno-aplikativni predmet

Hemija: 2. godina, zimski semestar, izborni (E74H1), stručno-aplikativni predmet

Nastavnik:

dr Filip Lj. Andrić
vanredni profesor, Hemijski fakultet, Studentski trg 12-16, Beograd

Saradnici:

—

Fond časova:

Nedeljno: pet časova predavanja (5+0+0)

Ciljevi:

Kurs hemometrije je osmišljen po uzoru na slične kurseve koji se izvode na: Univerzitetu u Luvenu (Belgija), Umea Univerzitetu (Švedska) i Univerzitetu u Bergenu (Norveška), tako da zadovoljava najviše savremene standarde. Cilj kursa je da studente upozna sa osnovnim konceptima i tehnikama napredne obrade podataka. Kroz mnoštvo praktičnih primera, kurs je fokusiran pre svega na aspekte primene modernih tehnika obrade podataka u spektroskopiji, hromatografiji, masenoj spektrometriji, nuklearnoj magnetnoj rezonanci u okvirima analize hrane, hemije životne sredine, medicinske hemije, arheometrije, kontrole kvaliteta i sl.

Ishod:

Po završetku kursa student bi trebalo da bude osposobljen da: razume značaj i koncepte metoda prepoznavanja obrazaca, eskplorativne analize podataka, modelovanja i klasifikacije, eksperimentalnog dizajna i optimizacije; koristi standardne kompjuterske programe za (statističku) obradu podataka; koristi naučnu i stručnu literaturu iz oblasti hemometrije, u skladu sa individualnim potrebama doktorskih studija, odnosno posla kojim se bavi.

Oblici nastave:

Interaktivni oblik nastave kroz individualni rad, predavanja i seminarski rad.

Vannastavne aktivnosti:

—

Literatura:
  • 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

Dodatni materijal:

—

  Nastavne obaveze i način ocenjivanja

Predavanja:

10 poena (5 časova nedeljno)

Program rada:

OSNOVNI ELEMENTI DESKRIPTIVNE I INFERENCIJALNE STATISTIKE

  • Statistika ponovljenih merenja - mere centralne tendencije i mere rasipanja, greške merenja
  • Parametrijski i neparametrijski testovi značajnosti
  • Univarijantna linearna i krivolinijska regresija

(primeri iz anlitike, razvoja i validacije analitičkih metoda)

 

MULTIVARIJANTNA ANALIZA PODATAKA

  • Eksplorativna analiza i prepoznavanje obrazaca (Analiza glavne komponente (PCA), hijerarhijska klasterska analiza (HCA), klasterska analiza metodom k-srednjih vrednosti, koncept interne i eksterne validacije klastera)
  • Obrada 3D podataka (paralelna faktorska anliza (PARAFAC)
  • Multivarijantna analiza varijanse (MANOVA)
  • Regresija i kalibracija (Višestruka linearna regresija (MLR), regresija metodom glavnih komponenti (PCR), regresija metodom delimičnih najmanjih kvadrata (PLS), tehnike krosvalidacije, parametri kvaliteta regresionog modela, selekcija varijabli)
  • Klasifikacija (Linearna dikriminantna analiza LDA, diskriminantna analiza kuplovana sa metodom delimičnih najmanjih kvadrata (PLS-DA), SIMCA, ocena performansi klasifikacionih modela)

(modelovanje hromatografskih profila supstanci od farmakološkog značaja, biološki aktivnih jedinjenja, analiza i kontrola autentičnosti hrane i prehrambenih proizvoda, kontorle kvaliteta biljnih ekstrakata, identifikicja biomarkera i fitohemikalija, predviđanje i modelovanje aktivnosti i fizičko-hemijskih parametara jedinjenja od interesa za životnu sredinu i biološke sisteme, analiza mineralnih i spektroskopskih podataka arheoloških uzoraka, uzoraka zemljišta i sl.)

 

NELINEARNI ALGORITMI

  • Veštačke neuronske mreže (ANN) 
  • Regresiona i klasifikaciona stabla (RT) 
  • k-najbliži susedi (kNN) 

(prirodom inspirisani algoritmi u modelovanju biološke aktivnosti i fizičko-hemijskih svojstava i farmakodinamičkih osobina jedinjenja - QSAR, QSPR, analiza hromatografskih profila biljnih esktrakata i mineralnog sastava arheoloških uzoraka i spektroskopskog profila zemljišta)

 

EKSPERIMENTALNI DIZAJN  I OPTIMIZACIJA

  • Osnove eksperimentalnog dizajna
  • Faktorski, centralni, Boks-Benkenov dizajn, dizajn smeše
  • Simpleks optimizacija
  • Višekriterijumska optimizacija

(Optimizacija reakcionih uslova i hromatografskih metoda)

Seminarski radovi:

40 poena

Napomene:

Kratka usmena forma (do 10-15 minuta) na temu po dogovoru

Pismeni ispit:

50 poena