Analýza experimentálních dat

Vztahy:

Podmínkou zápisu na předmět B2M31AED je, že student si nejpozději ve stejném semestru zapsal příslušný počet předmětů ze skupiny BEZBM

Předmět B2M31AED nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět B2M31AEDA (vztah je symetrický)

Předmět B2M31AED může být splněn v zastoupení předmětem B2M31AEDA

Předmět B2M31AED nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět B2M31AEDA (vztah je symetrický)

Garant předmětu:

Přednášející:

Cvičící:

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 Matlabu.

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.

[3] Meloun M, Militký J. Statistická analýza experimentálních dat. Praha: Academia, 2004.

Poznámka:

Další informace:

http://sami.fel.cvut.cz/aed/

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů: