Matematické modely pro analýzu dat

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra aplikované matematiky

Anotace:

Stochastické modelování, odhad, predikce filtrace, řízení, metody klasifikace - k-means, hustotní, naive Bayes, rozhodovací stromy, support vector machine.

Požadavky:

pravděpodobnost, základy matematické analýzy a algebry

Osnova přednášek:

Osnova cvičení:

Cíle studia:

Cílem předmětu je naučit studenty analýze dynamických dat, tj. dat měřených na procesu, který se vyvíjí v čase. Důraz je kladen na metody klastrování a klasifikace. Teoretický výklad jednotlivých oblastí bude úzce spojen s praktickou realizací algoritmů na počítači.

Studijní materiály:

William M. Bolstad: Introduction to Bayesian Statistics, 2nd Edition. Willey, ISBN-13: 978-0470141151

P.Tan, M.Steinbach, V.Kumar: Introduction to Data Mining. Pearson Education, Inc., 2006. ISBN 0-321-32136-7

materiály na webu: http://staff.utia.cas.cz/suzdaleva/

Poznámka:

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů:

• Mgr. prezenční PL od 2022/23 (povinný předmět)
• Mgr. kombinovaná PL od 2022/23 (povinný předmět)
• Mgr. prezenční PL od 2023/24 (povinný předmět)
• Mgr. kombinovaná PL od 2023/24 (povinný předmět)