Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Instituto de Química
 
Química Fundamental
 
Disciplina: QFL2650 - Quimiometria
Chemometrics

Créditos Aula: 4
Créditos Trabalho: 0
Carga Horária Total: 60 h
Tipo: Semestral
Ativação: 15/07/2014 Desativação:

Objetivos
Apresentar novas metodologias de investigação científica, em especial aplicando a Quimiometria, para serem usadas no laboratório químico. Introduzir conceitos multivariados para estudantes.
O curso irá apresentar uma introdução na análise multivariada de dados na Químca e na Química Industrial. O curso abordará os seguintes conceitos: modelos, ajustes dos modelos empíricos a dados químicos, planejamento experimental estatístico e métodos de projeção para visualização de dados químicos e biológicos multivariados. O curso consistirá em aulas teóricas e práticas em planejamento experimental, visualização e modelagem de dados químicos multivariados.
 
 
 
Docente(s) Responsável(eis)
2917420 - Antonia Tavares do Amaral
 
Programa Resumido
Introdução ao “conceito de quimiometria”: nessa parte será apresentada uma visão geral sobre o conceito de Quimiometria i) definição dos objetivos, ii) planejamento de experimentos, iii) geração de dados ricos em informação, iv) modelagem e avaliação, v) visualização de grandes conjunto de dados e vi) validação e predição. Análise básica de dados (químicos): nessa parte abrange o conceito de modelo e variabilidade e como a variabilidade pode ser utilizada na análise de dados. Planejamento experimental: abordagem de diferentes tipos de planejamento experimental, bem como, análise e otimização de métodos. Análise multivariada de dados: essa parte apresenta como uma série de dados complexos e grandes, construídos por muitas variáveis correlacionadas, deve ser analisada, e assim i) uma visão ampla de como dados multivariados podem ser obtidos, ii) detecção e interpretação de similaridades e diferenças entre observações, iii) modelagem, interpretação e relações entre blocos de dados. Aplicações específicas, tais como, relação quantitativa entre estrutura química e atividade biológica (QSAR), classificação e modelagem multivariada. Apresentar diferentes tipos de métodos de projeção multivariada de dados, bem como, análise dos componentes principais (PCA), projeções de mínimos quadrados parciais em variáveis latentes (PLS) e ortogonais (OPLS). O uso de redes neurais artificiais para exibição de dados e construção de modelos classificatório e de regressão também serão discutidos.
Nota: O curso será ministrado em inglês.
 
 
 
Programa
Introdução ao “conceito de quimiometria”: nessa parte será apresentada uma visão geral sobre o conceito de Quimiometria i) definição dos objetivos, ii) planejamento de experimentos, iii) geração de dados ricos em informação, iv) modelagem e avaliação, v) visualização de grandes conjunto de dados e vi) validação e predição. Análise básica de dados (químicos): nessa parte abrange o conceito de modelo e variabilidade e como a variabilidade pode ser utilizada na análise de dados. Planejamento experimental: abordagem de diferentes tipos de planejamento experimental, bem como, análise e otimização de métodos. Análise multivariada de dados: essa parte apresenta como uma série de dados complexos e grandes, construídos por muitas variáveis correlacionadas, deve ser analisada, e assim i) uma visão ampla de como dados multivariados podem ser obtidos, ii) detecção e interpretação de similaridades e diferenças entre observações, iii) modelagem, interpretação e relações entre blocos de dados. Aplicações específicas, tais como, relação quantitativa entre estrutura química e atividade biológica (QSAR), classificação e modelagem multivariada. Apresentar diferentes tipos de métodos de projeção multivariada de dados, bem como, análise dos componentes principais (PCA), projeções de mínimos quadrados parciais em variáveis latentes (PLS) e ortogonais (OPLS). O uso de redes neurais artificiais para exibição de dados e construção de modelos classificatório e de regressão também serão discutidos.
Nota: O curso será ministrado em inglês.
 
 
 
Avaliação
     
Método
O curso terá aulas expositivas, discussão, seminários e workshops usando programas de computador.
Critério
Seminários e desempenho nas aulas de laboratório (workshops usando programas de computador) e Freqüência.
O curso terá aulas expositivas, discussão, seminários e workshops usando programas de computador.
Norma de Recuperação
Média igual ou maior que 5,0 na prova.
 
Bibliografia
     
“A Practical Guide to Scientific Data Analysis”, D.J. Livingstone, Wiley, 2009, ISBN 978-0-470-85153-1.
Outras literaturas serão fornecidas aos estudantes durante o Curso.
 

Clique para consultar os requisitos para QFL2650

Clique para consultar o oferecimento para QFL2650
Créditos | Fale conosco
© 1999 - 2022 - Superintendência de Tecnologia da Informação/USP