Popis předmětu - B2M31AEDA
Přehled studia |
Přehled oborů |
Všechny skupiny předmětů |
Všechny předměty |
Seznam rolí |
Vysvětlivky
Návod
| B2M31AEDA | Analýza experimentálních dat | ||
|---|---|---|---|
| Role: | PV | Rozsah výuky: | 2P+2C |
| Katedra: | 13131 | Jazyk výuky: | CS |
| Garanti: | Rusz J. | Zakončení: | Z,ZK |
| Přednášející: | Rusz J. | Kreditů: | 6 |
| Cvičící: | Krýže P., Rusz J., Šubert M. | Semestr: | Z |
Webová stránka:
https://moodle.fel.cvut.cz/courses/B2M31AEDAAnotace:
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:
Studenti se naučí aplikovat základní metody statistických analýz a strojového učení pro vyhodnocení a interpretaci dat.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. |
Požadavky:
Základy práce v programu Matlab.Klíčová slova:
Analýza a interpretace dat, statistika, strojové učení.Předmět je zahrnut do těchto studijních plánů:
| Stránka vytvořena 11.12.2024 05:50:39, semestry: L/2024-5, Z/2025-6, Z/2024-5, připomínky k informační náplni zasílejte správci studijních plánů | Návrh a realizace: I. Halaška (K336), J. Novák (K336) |