Popis předmětu - B2M31AED
Přehled studia |
Přehled oborů |
Všechny skupiny předmětů |
Všechny předměty |
Seznam rolí |
Vysvětlivky
Návod
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 16.5.2024 14:54:17, semestry: L/2023-4, Z/2024-5, Z/2023-4, připomínky k informační náplni zasílejte správci studijních plánů |
Návrh a realizace: I. Halaška (K336), J. Novák (K336) |