Popis předmětu - B2M31AED
B2M31AED | Analýza experimentálních dat | ||
---|---|---|---|
Role: | Rozsah výuky: | 2P+2C | |
Katedra: | 13131 | Jazyk výuky: | CS |
Garanti: | Zakončení: | Z,ZK | |
Přednášející: | Kreditů: | 5 | |
Cvičící: | Semestr: | Z |
Webová stránka:
http://sami.fel.cvut.cz/aed/Anotace:
V rámci předmětu "Analýza experimentálních dat" se studenti naučí aplikovat základní metody statistických analýz a strojového učení pro vyhodnocení a interpretaci dat. V rámci cvičení budou studenti zpracovávat a vyhodnocovat dílčí úlohy na reálných datech z oblasti zpracování signálů v neurovědách. V rámci semestrální práce budou studenti řešit komplexní úlohu a na závěr prezentovat výsledky jejich práce. Cílem předmětu je studenty seznámit s praktickým využitím základních statistických metod a také naučit je kriticky myslet a získat dovednosti při samostatném řešení praktických úkolů.Cíle studia:
Cílem předmětu je studenty seznámit s praktickým využitím základních statistických metod a také naučit je kriticky myslet a získat dovednosti při samostatném řešení praktických úkolů.Obsah:
Předmět se skládá ze tří částí. První část se věnuje základem statistické analýzy, druhá část se věnuje praktickému využití složitějších statistických metod a ve třetí části si studenti osvojí použití základních metod strojového učení.Osnovy přednášek:
1. | Úvod do analýzy experimentálních dat, seznámení s daty | |
2. | Základní statistické parametry, pravděpodobnostní distribuce, vykreslení statistických dat | |
3. | Testování hypotéz, skupinové rozdíly, párové testy, velikost účinku | |
4. | Korelace, testování normality dat, parametrické vs. neparametrické testy | |
5. | Analýza variance, post-hoc testy | |
6. | Chyby I. a II. typu, mnohočetná srovnání, odhad velikosti vzorku | |
7. | Vícerozměrná analýza variance | |
8. | Úvod do modelování, regresní analýza | |
9. | Klasifikace s učitelem | |
10. | Validace modelu | |
11. | Klasifikace bez učitele | |
12. | Redukce dimenzionality, interpretace dat | |
13. | Rezerva, konzultace semestrálních prací | |
14. | Prezentace výsledků semestrálních prací |
Osnovy cvičení:
1. | Základy analýzy dat v Matlabu. | |
2. | Základní statistické parametry, pravděpodobnostní distribuce, vykreslení statistických dat | |
3. | Testování hypotéz, skupinové rozdíly, párové testy, velikost účinku | |
4. | Korelace, testování normality dat, parametrické vs. neparametrické testy | |
5. | Analýza variance, post-hoc testy | |
6. | Chyby I. a II. typu, mnohočetná srovnání, odhad velikosti vzorku | |
7. | Vícerozměrná analýza variance | |
8. | Úvod do modelování, regresní analýza | |
9. | Klasifikace s učitelem | |
10. | Validace modelu | |
11. | Klasifikace bez učitele | |
12. | Redukce dimenzionality, interpretace dat | |
13. | Rezerva, konzultace semestrálních prací | |
14. | Prezentace výsledků semestrálních prací |
Literatura:
[1] | Vidakovic B. Statistics for bioengineering sciences: with Matlab and WinBUGS support. New Yourk: Springer, 2011. | |
[2] | Hastie T, Tibshirani R, Friedman JH. The elements of statistical learning : data mining, inference, and prediction: with 200 full-color illustrations. New York: Springer, 2001. | |
[3] | Meloun M, Militký J. Statistická analýza experimentálních dat. Praha: Academia, 2004. |
Požadavky:
Základy Matlabu.Klíčová slova:
Statistika; analýza dat; Matlab; modely.Předmět je zahrnut do těchto studijních plánů:
Plán | Obor | Role | Dop. semestr |
Stránka vytvořena 29.3.2024 09:50:14, semestry: Z,L/2023-4, Z/2024-5, připomínky k informační náplni zasílejte správci studijních plánů | Návrh a realizace: I. Halaška (K336), J. Novák (K336) |