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

Analýza experimentálních dat

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
B2M31AEDA Z,ZK 6 2P+2C česky
Korekvizita:
Předmět nesmí být zapsán současně s:
Analýza experimentálních dat (B2M31AED)
Předmět je náhradou za:
Analýza experimentálních dat (B2M31AED)
Přednášející:
Jan Rusz (gar.)
Cvičící:
Jan Rusz (gar.), Petr Krýže
Předmět zajišťuje:
katedra teorie obvodů
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.

Požadavky:

Základy práce v programu Matlab.

Osnova 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

Osnova 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

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.

Studijní materiály:

[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.

Poznámka:
Další informace:
https://moodle.fel.cvut.cz/courses/B2M31AEDA
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
Út
St
Čt
místnost T2:C3-135
Rusz J.
12:45–14:15
(přednášková par. 1)
Dejvice
T2:C3-135
místnost T2:A3-413a
Rusz J.
14:30–16:00
(přednášková par. 1
paralelka 101)

Dejvice
Laborator K413A
místnost T2:A3-413a
Rusz J.
16:15–17:45
(přednášková par. 1
paralelka 102)

Dejvice
Laborator K413A
místnost T2:A3-413a

12:45–14:15
(přednášková par. 1
paralelka 103)

Dejvice
Laborator K413A

Rozvrh na letní semestr 2022/2023:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 5. 10. 2022
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet5598606.html