Analýza experimentálních dat
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)
- Garant předmětu:
- Jan Rusz
- Přednášející:
- Jan Rusz
- Cvičící:
- Petr Krýže, Jan Rusz, Martin Šubert
- 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 2023/2024:
-
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 Pá - Rozvrh na letní semestr 2023/2024:
- Rozvrh není připraven
- Předmět je součástí následujících studijních plánů:
-
- Lékařská elektronika a bioinformatika - Specializace Bioinformatika (povinně volitelný předmět)
- Elektronika a komunikace - Elektronika (povinně volitelný předmět)
- Elektronika a komunikace - Audiovizuální technika a zpracování signálů (povinně volitelný předmět)
- Elektronika a komunikace - Fotonika (povinně volitelný předmět)
- Elektronika a komunikace - Rádiové komunikace a systémy (povinně volitelný předmět)
- Lékařská elektronika a bioinformatika - Specializace Lékařská technika (povinně volitelný předmět)
- Lékařská elektronika a bioinformatika - Specializace Zpracování obrazu (povinně volitelný předmět)
- Lékařská elektronika a bioinformatika - Specializace Zpracování signálů (povinně volitelný předmět)