|
Lecturer(s)
|
-
Peroutka Jiří, Mgr. Ph.D.
-
Kužela Karel, prof. RNDr. Ph.D.
|
|
Course content
|
1. Classification of large datasets. 2. Data visualization 3. Time series - stationary 4. Time series - nonstationary 5. Time series - ARIMA 6. Dimension reduction - factor analysis, PCA 7. Cluster analysis 8. Bayes methods - basic principles 9. Bayes methods - parameter estimations 10. Comparison of classical and bayes approach 11. Caterogical data 12. Panel data 13. Revision
|
|
Learning activities and teaching methods
|
Lecture, Practicum
- Contact hours
- 65 hours per semester
- Preparation for an examination (30-60)
- 55 hours per semester
- Individual project (40)
- 40 hours per semester
|
| prerequisite |
|---|
| Knowledge |
|---|
| ovládat základní principy výpočtové statistiky |
| rozumět základním pojmům z teorie testování hypotéz |
| ovládat základní principy teorie pravděpodobnosti a matematické statistiky |
| rozumět pojmům teorie časových řad a vícerozměrné statistické teorie |
| Skills |
|---|
| ovládat některý statistický SW pro statistické zpracování dat (např. Excel, Matlab, R, Mathematica nebo Statistica) |
| provést jednoduché datové analýzy |
| vizualizovat základní charakteristiky datových souborů |
| implementovat základní simulační metody |
| Competences |
|---|
| N/A |
| N/A |
| learning outcomes |
|---|
| Knowledge |
|---|
| rozumět základním principům Bayesovských metod, odhadů parametrů a srovnání s klasickými metodami |
| rozumět technikám pro redukci dimenzi dat (faktorová analýza, PCA...) |
| ovládat základní techniky pro statistické zpracování mnohorozuměrných datových souborů |
| klasifikovat rozsáhlé datové soubory a následně volit vhodné metody pro jejich zpracování |
| Skills |
|---|
| implementovat techniky pro redukci dimenze dat (faktorová analýza, PCA...) |
| provést jednoduché Bayesovské testování hypotéz |
| vizualizovat statistické charakteristiky rozsáhlých datových souborů |
| statisticky zpracovat rozsáhlé datové soubory |
| Competences |
|---|
| N/A |
| teaching methods |
|---|
| Knowledge |
|---|
| Lecture |
| Practicum |
| Skills |
|---|
| Practicum |
| Lecture |
| Competences |
|---|
| Practicum |
| Lecture |
| assessment methods |
|---|
| Knowledge |
|---|
| Oral exam |
| Practical exam |
| Skills |
|---|
| Test |
| Competences |
|---|
| Oral exam |
|
Recommended literature
|
-
Kamath C. Scientific Data Mining. 2009.
-
Matloff N. The Art of R Programming. 2011.
-
Reif J. Metody matematické statistiky. 2000.
-
Teetor P. R Cookbook. 2011.
|