Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowania
Strona główna

Informatyka w chemii (+USOS)

Informacje ogólne

Kod przedmiotu: 0600-S1-O-IC
Kod Erasmus / ISCED: 13.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0531) Chemia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Informatyka w chemii (+USOS)
Jednostka: Wydział Chemii
Grupy: Stacjonarne studia pierwszego stopnia - Chemia - Semestr 1
Punkty ECTS i inne: 0 LUB 6.00 (w zależności od programu) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: polski
Wymagania wstępne:

Podstawowa wiedza z zakresu zastosowania arkusza kalkulacyjnego, matematyka na poziomie szkoły średniej.

Rodzaj przedmiotu:

przedmiot obligatoryjny

Całkowity nakład pracy studenta:

Godziny realizowane z udziałem nauczycieli (60 godz.):

- udział w wykładach – 15 h

- udział w ćwiczeniach – 45 h


Czas poświęcony na pracę indywidualną studenta (90 godz.):

- przygotowanie do ćwiczeń – 60 h

- przygotowanie do kolokwiów – 20 h

- konsultacje i praca z nauczycielem akademickim - 10 h


Łącznie: 150 godz. (6 ECTS)


Efekty uczenia się - wiedza:

W1: Zna i rozumie wybrane metody numeryczne stosowane do obliczeń chemicznych K_W04

W2: Zna i rozumie metody stosowane do analizowania i interpretacji danych statystycznych K_W05

Efekty uczenia się - umiejętności:

U1: Stosuje wybrane metody statystyczne do analizy danych eksperymentalnych K_U05

U2: Wykorzystuje wybrane metody numeryczne do rozwiązywania problemów z zakresu nauk ścisłych K_U04

Efekty uczenia się - kompetencje społeczne:

K1: Identyfikuje poziom swojej wiedzy i umiejętności, potrzebę ciągłego dokształcania się oraz rozwoju osobistego K_K05

K2: Ma świadomość konieczności sumiennego i dokładnego wykonania każdego zadania. K_K03

Metody dydaktyczne:

Wykład:

Wykład informacyjny (konwencjonalny)

Laboratorium:

Ćwiczenia, pogadanka.

Metody dydaktyczne eksponujące:

- pokaz

Metody dydaktyczne podające:

- pogadanka
- wykład informacyjny (konwencjonalny)

Metody dydaktyczne poszukujące:

- ćwiczeniowa
- klasyczna metoda problemowa
- laboratoryjna

Skrócony opis:

Celem przedmiotu jest nabycie teoretycznych wiadomości i praktycznych umiejętności pozwalających na samodzielne korzystanie z komputerów w zakresie analizy i interpretacji wyników doświadczeń, planowania doświadczeń i symulacji procesów chemicznych oraz wykonywania prostych obliczeń numerycznych.

Pełny opis:

Wykład:

Nabycie teoretycznych wiadomości dotyczących analizy i interpretacji wyników doświadczeń, planowania doświadczeń i symulacji procesów chemicznych oraz wykonywania prostych obliczeń numerycznych.

Tematy wykładów:

1. Wykład wprowadzający (zasady zaliczenia przedmiotu, zakres materiału, zadania na pracowni, literatura, przykład testu egzaminacyjnego).

2. Szkolenie z systemu USOS.

3. Wprowadzenie do statystycznej oceny wyników doświadczeń (zasady projektowania i oceny algorytmów, błąd systematyczny, błąd przypadkowy, dokładność, precyzja, liczby znaczące, liczność, średnia, odchylenie standardowe, niepewność standardowa, przedział ufności średniej arytmetycznej).

4. Wyrażanie niepewności pomiarowych (błąd a niepewność, powielanie niepewności, zasada oceny niepewności, ogólne zasady rysowania wykresów).

5. Analiza regresji - regresja liniowa (metoda najmniejszych kwadratów, regresja ważona, współczynnik korelacji i determinacji, błąd standardowy, odchylenia standardowe dla współczynników regresji, zakres stosowania, odchylenie standardowe wartości prognozowanej).

6. Regresja nieliniowa i liniowa regresja wielokrotna (podstawy, wielomiany w analizie regresji, zakres stosowania wielomianów, model, współczynniki, wariancja, analiza reszt, redukcja modelu, krokowe procedury wyboru zmiennych).

7. Całkowanie numeryczne (całka i jej interpretacja geometryczna, metoda prostokątów, metoda trapezów, metoda Simpsona, algorytm, ocena błędu, metoda Gaussa-Legandre'a, zasada, przeznaczenie).

8. Numeryczne rozwiązywanie równań różniczkowych (metoda Rungego-Kutty, algorytm, ocena błędu, metoda Milne'a (predyktor-korektor) algorytm, ocena błędu, przykłady zastosowań).

9. Rozwiązywanie równań algebraicznych (metoda połowienia odcinka (bisekcji), metoda siecznych (reguła falsi), metoda stycznych (Newtona-Raphsona), algorytmy, przykłady zastosowania).

10. Rozwiązywanie równań algebraicznych (metoda połowienia odcinka (bisekcji), metoda siecznych (reguła falsi), metoda stycznych (Newtona-Raphsona), algorytmy, przykłady zastosowania).

11. Rozwiązywanie układów równań liniowych i nieliniowych (podstawy rachunku macierzowego, metoda Cramera, metoda Gaussa-Seidla, metoda Gaussa-Jordana, metoda Newtona-Raphsona).

12. Interpolacja i różniczkowanie numeryczne.

(wg. Lagrange'a, różnice i ilorazy różnicowe, wielomian interpolacyjny Newtona).

13. Optymalizacja i planowanie doświadczeń cz. I (planowanie eksperymentów, optymalność planu, zasady tworzenia modelu regresyjnego, plany czynnikowe).

14. Optymalizacja i planowanie doświadczeń cz. II. (metody optymalizacji, prosta metoda sympleksowa, algorytm, reguły, optymalizacja metodą Neldera-Meada, algorytm, ekspansja, kontrakcja, kryteria optymalizacji).

15. Metody Monte Carlo - całkowanie i symulacja (liczby pseudolosowe, generatory, transformacja rozkładu, całkowanie metodą Monte Carlo przykłady zastosowania).

Laboratorium:

Nabycie praktycznych umiejętności pozwalających na samodzielne korzystanie z komputerów w zakresie analizy i interpretacji wyników doświadczeń, planowania doświadczeń i symulacji procesów chemicznych oraz wykonywania prostych obliczeń numerycznych.

W przypadku ćwiczeń, niezbędne jest posiadanie minimum umiejętności obsługi arkusza kalkulacyjnego MS Excel.

Ćwiczenia z zakresu treści wykładu z wykorzystaniem odpowiednich programów komputerowych. (Excel, Mathcad) poświęcone są następującym zagadnieniom:

1. Statystyka opisowa: wartość średnia, odchylenie standardowe, miary dyspersji - metoda ćwiczeniowa, pogadanka.

2. Zależność wartości średniej oraz miar dyspersji od liczności próbek - metoda ćwiczeniowa, pogadanka.

3. Zastosowanie regresji liniowej do obliczania stałej szybkości reakcji I-rzędu - metoda ćwiczeniowa, pogadanka.

4. Obliczanie pH mieszaniny dwóch kwasów – zastosowanie dodatku Solver - metoda ćwiczeniowa, pogadanka.

5. Liniowa regresja wielokrotna - metoda ćwiczeniowa, pogadanka.

6. Regresja liniowa – transformacje linearyzujące - metoda ćwiczeniowa, pogadanka.

7. Całkowanie numeryczne: metoda prostokątów, trapezów i Simsona - metoda ćwiczeniowa, pogadanka.

8. Numeryczne metody rozwiązywania równań różniczkowych - metoda ćwiczeniowa, pogadanka.

9.Optymalizacja sympleksowa - metoda ćwiczeniowa, pogadanka.

Literatura:

1. P. Szczepański, Materiały pomocnicze do przedmiotu Zastosowanie informatyki w chemii, Toruń 2012

2. Z. Fortuna, B. Macukow, J. Wąsowski, Metody numeryczne, WNT, Warszawa 2017.

3. M. Gonet, Excel w obliczeniach naukowych i technicznych, Helion 2012.

4. P. Krzyżanowski, Obliczenia inżynierskie i naukowe, PWN 2012.

5. J.B. Czermiński, A. Iwasiewicz, Z. Paszek, A. Sikorski, Metody statystyczne dla chemików, PWN, Warszawa 1992.

6. A. Łomnicki, Wprowadzenie do statystyki dla przyrodników, PWN, Warszawa 2021.

7. J. Arendalski, Niepewność pomiarów, Oficyna wydawnicza PW, Warszawa 2013.

8. J. Kornacki, J. Mielniczuk, Statystyka dla studentów kierunków technicznych i przyrodniczych, WNT, Warszawa 2018.

Metody i kryteria oceniania:

Metody oceniania:

wykład - K_W04, K_W05, K_U04, K_U05

ćwiczenia - K_W04, K_W05, K_U04, K_U05

Kryteria oceniania:

Wykład: np. egzamin pisemny w formie testu; wymagany próg na ocenę dostateczną - 50%, 61% - dostateczny plus, 66% - dobry, 76% - dobry plus, 81% - bardzo dobry.

Ćwiczenia: np. zaliczenie na ocenę na podstawie wykonanych ćwiczeń laboratoryjnych i dwóch kolokwiów śródsemestralnych; wymagany próg na ocenę dostateczną - 50%, 61% - dostateczny plus, 66% - dobry, 76% - dobry plus, 81% - bardzo dobry.

Wykład: egzamin pisemny – K_W04, K_W05, K_U04, K_U05

Laboratorium: - K_W04, K_W05, K_U04, K_U05

Zagadnienia egzaminacyjne:

1. Błąd systematyczny, błąd przypadkowy, dokładność, precyzja, liczby znaczące, liczność, średnia, odchylenie standardowe, niepewność standardowa, przedział ufności średniej arytmetycznej.

2. Błąd a niepewność, powielanie niepewności, zasada oceny niepewności.

3. Podstawy metody najmniejszych kwadratów, regresja ważona, współczynnik korelacji i determinacji, błąd standardowy, odchylenia standardowe dla współczynników regresji, analiza reszt.

4. Transformacja linearyzująca.

5. Liniowa regresja wielokrotna, krokowe procedury wyboru zmiennych.

6. Całkowanie numeryczne: całka i jej interpretacja geometryczna, metoda prostokątów, metoda trapezów, metoda Simpsona, metoda Gaussa-Legandre'a.

7. Numeryczne rozwiązywanie równań różniczkowych: metoda Eulera i Rungego-Kutty.

8. Rozwiązywanie równań algebraicznych: metoda połowienia odcinka (bisekcji), metoda siecznych (reguła falsi), metoda stycznych (Newtona-Raphsona).

9. Rozwiązywanie układów równań liniowych i nieliniowych -podstawy rachunku macierzowego, metoda Cramera, metoda Gaussa-Seidla, metoda Gaussa-Jordana, metoda Newtona-Raphsona.

10. Interpolacja i różniczkowanie numeryczne, różnice i ilorazy różnicowe, wielomian interpolacyjny Newtona.

11. Planowanie eksperymentów, optymalność planu, zasady tworzenia modelu regresyjnego, plany czynnikowe.

12. Metody optymalizacji, metoda sympleksowa, algorytm, reguły, optymalizacja metodą Neldera-Meada, kryteria optymalizacji.

13. Metody Monte Carlo: liczby pseudolosowe, generatory, transformacja rozkładu, całkowanie metodą Monte Carlo.

Praktyki zawodowe:

Nie dotyczy

Zajęcia w cyklu "Semestr zimowy 2021/22" (zakończony)

Okres: 2021-10-01 - 2022-02-20
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 45 godzin więcej informacji
Wykład, 15 godzin więcej informacji
Koordynatorzy: Piotr Szczepański
Prowadzący grup: Magdalena Gierszewska, Sylwia Grabska-Zielińska, Piotr Szczepański
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Zaliczenie na ocenę
Wykład - Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.
ul. Jurija Gagarina 11, 87-100 Toruń tel: +48 56 611-40-10 https://usosweb.umk.pl/ kontakt deklaracja dostępności mapa serwisu USOSweb 7.0.4.0-2 (2024-05-20)