|
Vyučující
|
-
Friesl Michal, Mgr. Ph.D.
-
Stehlík Petr, prof. RNDr. Ph.D.
|
|
Obsah předmětu
|
1. Klasifikace rozsáhlých datových souborů. 2. Vizualizace dat 3. Časové řady stacionární 4. Časové řady nestacionární 5. Časové řady ARIMA 6. Redukce dimenze dat faktorová analýza, PCA 7. Shluková analýza 8. Bayesovské metody základní pricnipy 9. Bayesovské metody odhad parametrů 10. Srovnání klasického a bayesovského přístupu 11. Kategorická data 12. Panelová data 13. Opakování. Rezerva.
|
|
Studijní aktivity a metody výuky
|
Přednáška, Cvičení
- Kontaktní výuka
- 65 hodin za semestr
- Příprava na zkoušku [10-60]
- 55 hodin za semestr
- Projekt individuální [40]
- 40 hodin za semestr
|
| Předpoklady |
|---|
| Odborné znalosti |
|---|
| ovládat základní principy výpočtové statistiky |
| rozumět základním pojmům z teorie testování hypotéz |
| ovládat základní principy teorie pravděpodobnosti a matematické statistiky |
| rozumět pojmům teorie časových řad a vícerozměrné statistické teorie |
| Odborné dovednosti |
|---|
| ovládat některý statistický SW pro statistické zpracování dat (např. Excel, Matlab, R, Mathematica nebo Statistica) |
| provést jednoduché datové analýzy |
| vizualizovat základní charakteristiky datových souborů |
| implementovat základní simulační metody |
| Obecné způsobilosti |
|---|
| bc. studium: rozpozná problém, objasní jeho podstatu, rozčlení ho na části, |
| bc. studium: zvažuje možné klady a zápory jednotlivých variant řešení, včetně posouzení jejich rizik a důsledků, |
| Výsledky učení |
|---|
| Odborné znalosti |
|---|
| rozumět základním principům Bayesovských metod, odhadů parametrů a srovnání s klasickými metodami |
| rozumět technikám pro redukci dimenzi dat (faktorová analýza, PCA...) |
| ovládat základní techniky pro statistické zpracování mnohorozuměrných datových souborů |
| klasifikovat rozsáhlé datové soubory a následně volit vhodné metody pro jejich zpracování |
| Odborné dovednosti |
|---|
| implementovat techniky pro redukci dimenze dat (faktorová analýza, PCA...) |
| provést jednoduché Bayesovské testování hypotéz |
| vizualizovat statistické charakteristiky rozsáhlých datových souborů |
| statisticky zpracovat rozsáhlé datové soubory |
| Obecné způsobilosti |
|---|
| mgr. studium: plánují, podporují a řídí s využitím teoretických poznatků oboru získávání dalších odborných znalostí, dovedností a způsobilostí ostatních členů týmu, |
| Vyučovací metody |
|---|
| Odborné znalosti |
|---|
| Přednáška založená na výkladu, |
| Cvičení (praktické činnosti), |
| Odborné dovednosti |
|---|
| Cvičení (praktické činnosti), |
| Přednáška založená na výkladu, |
| Obecné způsobilosti |
|---|
| Cvičení (praktické činnosti), |
| Přednáška založená na výkladu, |
| Hodnotící metody |
|---|
| Odborné znalosti |
|---|
| Ústní zkouška, |
| Praktická zkouška, |
| Odborné dovednosti |
|---|
| Test, |
| Obecné způsobilosti |
|---|
| Ústní zkouška, |
|
Doporučená literatura
|
-
Kamath C. Scientific Data Mining. 2009.
-
Matloff N. The Art of R Programming. 2011.
-
Reif J. Metody matematické statistiky. 2000.
-
Teetor P. R Cookbook. 2011.
|