Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2022/2023

Statistická analýza dat

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
B4M36SAN Z,ZK 6 2P+2C česky
Předmět nesmí být zapsán současně s:
Statistical data analysis (BE4M36SAN)
Přednášející:
Jiří Kléma (gar.)
Cvičící:
Jiří Kléma (gar.), Jáchym Barvínek, Jan Blaha, Anh Vu Le, Zdeněk Míkovec, Tomáš Pevný
Předmět zajišťuje:
katedra počítačů
Anotace:

Cílem předmětu je seznámit se se statistckými přístupy k analýze dat nad rámec tradiční výuky statistiky a pravděpodobnosti. Kurz se soustředí na vícepříznakovou explorativní statistickou analýzu, prohloubí ale i znalosti konfirmačních přístupů.

Požadavky:

Znalost základů statistiky v rozsahu předmětu B0B01PST. Znalosti lineární klasifikace, shlukování a redukce dimenze v rozsahu B4B33RPZ.

Osnova přednášek:

1. Úvod do předmětu, motivace, přehled témat a požadavků.

2. Redukce dimenze (PCA, kernel PCA).

3. Redukce dimenze (další nelineární metody).

4. Shlukování (definice, požadavky, základní hierarchické a nehierarchické metody).

5. Spektrální shlukování.

6. Mnoharozměrná konfirmační analýza (ANOVA a MANOVA)..

7. Diskriminační analýza (LDA, logistická regrese).

8. Multivarátní lineární regrese.

9. Multivariátní nelineární regrese.

10. Detekce anomálií.

11. Robustní statistika.

12. Návrh a vyhodnocení empirické studie.

13. Power analysis.

14. Rezerva

Osnova cvičení:

1. Úvod do programování v R.

2. Knihovny R, statistické knihovny, learning package Swirl.

3. Vizualizaci dat v R.

4. Redukce dimenze - samostatná úloha.

5. Shlukování - samostatná úloha.

6. Mnoharozměrná konfirmační analýza -- samostatná úloha.

7. Diskriminační analýza -- samostatná úloha.

8. Průběžný test znalostí.

9. Mnoharozměrná lineání regrese -- samostatná úloha.

10.Mnoharozměrná nelineání regrese -- samostatná úloha.

11. Detekce anomálíí -- samostatná úloha.

12. Návrh emprické studie -- samostatná úloha.

13. Power analysis -- samostatná úloha.

14. Rezerva, zápočty.

Cíle studia:
Studijní materiály:

1. Hair, J. F., et al.: Multivariate Data Analysis: A Global Perspective. 7th ed., Prentice Hall, 2009.

2. James, G. et al.: An Introduction to Statistical Learning with Applications in R., Springer, 2013.

Poznámka:
Další informace:
https://cw.fel.cvut.cz/wiki/courses/B4M36SAN
Rozvrh na zimní semestr 2022/2023:
06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po
místnost KN:E-301
Kléma J.
12:45–14:15
(přednášková par. 1)
Karlovo nám.
Šrámkova posluchárna K9
místnost KN:E-311
Le A.
Míkovec Z.

14:30–16:00
(přednášková par. 1
paralelka 101)

Karlovo nám.
Lab K311
místnost KN:E-311
Le A.
Pevný T.

16:15–17:45
(přednášková par. 1
paralelka 102)

Karlovo nám.
Lab K311
místnost KN:E-311
Le A.
18:00–19:30
(přednášková par. 1
paralelka 103)

Karlovo nám.
Lab K311
Út
St
Čt
místnost KN:E-311
Blaha J.
14:30–16:00
(přednášková par. 1
paralelka 104)

Karlovo nám.
Lab K311

Rozvrh na letní semestr 2022/2023:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 28. 1. 2023
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet4702306.html