|
Vyučující
|
-
Zelinka Jan, Ing. PhD.
-
Müller Luděk, prof. Ing. Ph.D.
|
|
Obsah předmětu
|
Matematické metody diagnostiky - statistický rozhodovací problém, klasifikace, redukce počtu příznaků, odhady, aproximace. Metody umělé inteligence využívané v diagnostice - výběr informativních příznaků, pattern recognition. Statistické modely a metody rénování jejich parametrů. Inženýrské hledisko při nasazování systémů technické a lékařské diagnostiky do praxe, vhodnost použití, metodika uvádění diagnostického systému do provozu a jeho provozování. Příklady systémů technické a lékařské diagnostiky.
|
|
Studijní aktivity a metody výuky
|
Přednáška
- Vypracování seminární práce v magisterském studijním programu [5-100]
- 40 hodin za semestr
- Příprava na zkoušku [10-60]
- 30 hodin za semestr
- Kontaktní výuka
- 65 hodin za semestr
- Příprava na souhrnný test [6-30]
- 21 hodin za semestr
|
| Předpoklady |
|---|
| Odborné znalosti |
|---|
| znát alespoň jeden programovací nebo skriptovací jazyk či SW nástroj typu MATLAB |
| mít základy matematické statistiky |
| Odborné dovednosti |
|---|
| navrhnout algoritmus |
| napsat program řešící matematickou úlohu |
| analyzovat problém |
| Obecné způsobilosti |
|---|
| bc. studium: vytváří hypotézy, navrhuje postupné kroky, zvažuje využití různých postupů při řešení problému nebo ověřování hypotézy, |
| bc. studium: uplatňuje při řešení problémů vhodné metody a dříve získané vědomosti a dovednosti, kromě analytického a kritického myšlení využívá i myšlení tvořivé s použitím představivosti a intuice, |
| bc. studium: je otevřený k využití různých postupů při řešení problémů, nahlíží problém z různých stran, |
| Výsledky učení |
|---|
| Odborné znalosti |
|---|
| používat statistické metody technické diagnostiky a jejich aplikace v praxi |
| mít základní přehled o metodách strojového učení |
| Odborné dovednosti |
|---|
| použít algoritmy statistické indukce k řešení praktické úlohy |
| umět ověřit správnost získaných výsledků |
| Obecné způsobilosti |
|---|
| bc. studium: vytváří hypotézy, navrhuje postupné kroky, zvažuje využití různých postupů při řešení problému nebo ověřování hypotézy, |
| bc. studium: je otevřený k využití různých postupů při řešení problémů, nahlíží problém z různých stran, |
| bc. studium: efektivně využívá moderní informační technologie, |
| Vyučovací metody |
|---|
| Odborné znalosti |
|---|
| Přednáška založená na výkladu, |
| Přednáška s diskusí, |
| Cvičení (praktické činnosti), |
| Odborné dovednosti |
|---|
| Cvičení (praktické činnosti), |
| Samostatná práce studentů, |
| Obecné způsobilosti |
|---|
| Přednáška založená na výkladu, |
| Cvičení (praktické činnosti), |
| Diskuse, |
| Individuální konzultace, |
| Hodnotící metody |
|---|
| Odborné znalosti |
|---|
| Ústní zkouška, |
| Test, |
| Seminární práce, |
| Odborné dovednosti |
|---|
| Ústní zkouška, |
| Písemná zkouška, |
| Test, |
| Obecné způsobilosti |
|---|
| Ústní zkouška, |
| Test, |
| Seminární práce, |
|
Doporučená literatura
|
-
Duda. O. Pattern Classification, 2nd Edition. 2004. ISBN 978-0-471-70350-1.
-
Hátle, Jaroslav; Likeš, Jiří. Základy počtu pravděpodobnosti a matematické statistiky. Praha : SNTL, 1974.
-
Vapnik, Vladimir N. Statistical learning theory. New York : John Wiley & Sons, Inc., 1998. ISBN 0-471-03003-1.
|