Pristupačnost
Fond Nenada M. Kostića za hemijske nauke na svečanosti održanoj 17. svibnja 2024. na Prirodno-matematičkom fakultetu Univerziteta u Nišu dodijelio je po dvadeset i treći puta nagrade studentima za najbolje diplomske radove i pohvale njihovim mentorima za mentorski rad. Od 22 rada pristigla na natječaj s dvanaest fakulteta iz Srbije, Hrvatske i Crne Gore nagrađena su dva rada. Diplomski rad Mateja Kožića, mag. chem., donedavnog studenta, a sada zaposlenika Kemijskog odsjeka PMF-a, odnio je pobjedu u kategoriji najboljeg diplomskog rada (ekvivalent studiju u trajanju od pet godina). Nagrađeni diplomski rad pod naslovom ''Nova metoda analize simulacija molekulske dinamike toplinskim mapama“ izrađen je na Zavodu za fizikalnu kemiju Kemijskog odsjeka PMF-a pod mentorstvom prof. dr. sc. Branimira Bertoše te je obranjen u veljači 2024. godine.
Čestitamo!
Pozivamo vas na predavanje 'Priča o anti-aromatičnosti: od ciklougljika do 2D materijala' koje će u sklopu Kolokvija Kemijskog odsjeka održati Igor Rončević sa Sveučilišta u Oxfordu.
Predavanje će se održati petak 17. svibnja s početkom u 9.30 sati u predavaonici 222.
Sljedeće predavanje Ljubičastog u kemiji čeka nas već idući tjedan, a kao predavačica nam dolazi dr. sc. Ivana Brekalo sa Zavoda za fizičku kemiju IRB-a. Koliko ste puta čuli "neću tu kemiju", "ma to ti je sve kemija" i slične izraze koji impliciraju da je kemija štetna i opasna? S druge strane znamo da je kemija nužna u svakodnevnom životu, od hrane do medicinskih istraživanja, boja, plastike, kozmetike... Kako pomiriti te naizgled nespojive činjenice? Ovo predavanje dat će nam uvid u novu, učinkovitu, "čišću" kemiju i pokazati kako do nje doći starom fizičkom silom. Stoga vas pozivamo da nam se pridružite u četvrtak, 23. svibnja 2024. u 18:15 h u predavaonici A1 na Kemijskom odsjeku PMF-a! Vidimo se!"
Poštovani i dragi studenti,
uskoro počinje nova, 2023./2024., akademska godina. U tijeku je usklađivanje sveučilišnih i fakultetskih pravila studiranja s novim Zakonom o visokom obrazovanju i znanstvenoj djelatnosti te novim Statutom Sveučilišta u Zagrebu. PMF će u ovom prijelaznom razdoblju, koliko god to bude dopušteno i moguće, primjenjivati pravila povoljnija za studente.
Svi studenti i dalje imaju obvezu završiti studij najkasnije u roku koji je dvostruko dulji od trajanja studija.
Važno je napomenuti da prema novim pravilima studenti ne gube pravo studiranja na studiju ako u prethodne dvije akademske godine nisu stekli najmanje 35 ECTS-a. To znači da takvi studenti mogu upisati novu akademsku godinu (ako time ne bi prekoračili dvostruko trajanje studija).
Studentima će biti omogućeno više od dva puta upisati isti kolegij.
Studenti će moći polagati kolegije iz ljetnog semestra za koje su ostvarili uvjete i u zimskom semestru akad. god. 2023./2024. Bez obzira koliko je puta do sada student izašao na ispit iz nekog kolegija za koji je ostvario uvjete, on može izaći na ispit u svakom ispitnom terminu do uključivo veljače 2024.
Ponovno napominjemo da broj izlazaka na ispit iz pojedinog kolegija više nije eliminatoran, tj. u tom slučaju studenti ne gube pravo studiranja.
Studenti u redovitom statusu, koji su u prvu godinu studija prvi put upisani u akademskoj godini 2023./2024., imat će pravo najviše jednom ponavljati svaku studijsku godinu.
Molimo studente da i dalje prate objave na mrežnoj stranici na kojoj ćemo objavljivati sve važne novine.
Znanstvenici Kemijskog odsjeka Tomislav Jednačak, Sanda Rončević, Ivan Nemet, Ines Primožič, Tomica Hrenar i Predrag Novak u suradnji sa znanstvenicama Ana-Marijom Jagatić Korenika, Anom Jeromel i Ivanom Tomaz objavili su znanstveni rad pod naslovom Deep Reinforcement Learning Classification of Sparkling Wines Based on ICP-MS and DOSY NMR Spectra u prestižnom časopisu Food Chemistry: X (IF = 6,1).
Predložen je novi pristup za klasifikaciju hrvatskih kontinentalnih pjenušaca prema geografskom porijeklu kombinacijom spektroskopija NMR i ICP-MS te metoda dubokog učenja. Pojašnjeno je da u slučaju kada klasične metode obrade podataka ne daju dobre rezultate, pogotovo kod ograničenog broja dostupnih uzoraka, metode dubokog učenja mogu biti vrlo učinkovite u predviđanju svojstava vina kao što je geografsko porijeklo. Ovaj model može se dalje koristiti za identifikaciju i razlikovanje pjenušaca općenito te ima potencijal za primjenu u kontroli izvornosti i kvalitete vina.