[AVD] Analýza viacrozmerných dát

BCKIS

[AVD] Analýza viacrozmerných dát

Výsledky vzdelávania:

Študent bude po absolvovaní predmetu ovládať základné postupy analýzy viacrozmerných dát, ktoré predstavujú pokročilé štatistické metódy. Študent bude schopný redukovať dimenziu priestoru viacrozmerných dát, rozpoznávať štruktúru dát, identifikovať zhluky dát a klasifikovať vyznamné skupiny. Študent bude vedieť určovať regresné vzťahy medzi závislými a nezávislými premennými, ktoré prezentujú viacrozmerné dáta. Vyučované metódy vedú k študenta k schopnosti implementovaťstrojové rozpoznávanie daných objektov (štruktúr) viacrozmerných dát.

Vysoká škola: Žilinská univerzita
Fakulta: Riadenia a informatiky
Kód predmetu: 5BA132Názov predmetu: analýza viacrozmerných dát (AVD)
Druh, rozsah a metóda vzdelávacích činností: 2 - 0 - 2 (prednášky-cvičenia-lab.cv.) hodín za týždeň, prezenčná metóda výučby.
Počet kreditov: 5.0
Odporúčaný semester/trimester štúdia: 6 semester
Stupeň štúdia: 1
Podmieňujúce predmety:
Algebra, Diskrétna pravdepodobnosť
Podmienky na absolvovanie predmetu:
Priebežné hodnotenie:
Vypracovanie laboratórnych zadaní: aplikácia teoretických poznatkov na analýzu reálnych dát. (treba dosiahnuť aspoň 20 bodov z 40 )
. Test z príkladov riešených cez semester (treba dosiahnuť aspoň 10 bodov z 20 ). Spolu je možné za semester získať 60 bodov. Skúška sa skladá z teoretickej časti, 20b, a z praktickej časti, 20b. Spolu 40 bodov.

Záverečné hodnotenie:
celkovo je možné získať 100 bodov

93b – 100b A;
85b - 92b B;
77b – 84b C;
69b – 76b D;
61b – 68b E;
menej ako 61b FX

Pre prihlásenie sa na skúšku musí študent dosiahnuť najmenej 31.0 bodov
Výsledky vzdelávania:
Študent bude po absolvovaní predmetu ovládať základné postupy analýzy viacrozmerných dát, ktoré predstavujú pokročilé štatistické metódy. Študent bude schopný redukovať dimenziu priestoru viacrozmerných dát, rozpoznávať štruktúru dát, identifikovať zhluky dát a klasifikovať vyznamné skupiny. Študent bude vedieť určovať regresné vzťahy medzi závislými a nezávislými premennými, ktoré prezentujú viacrozmerné dáta. Vyučované metódy vedú k študenta k schopnosti implementovaťstrojové rozpoznávanie daných objektov (štruktúr) viacrozmerných dát.
Stručná osnova predmetu:
- Viacrozmerná lineárna regresia (MLR – Multiple Linear Regression)
- Viacrozmerná analýza rozptylu (MANOVA – Multivariate Analysis of Variance )
- Analýza hlavných komponentov (PCA - Principal Component Analysis)
- Regresia hlavných komponentov (PCR - Principal Component Regression)
- Diskriminačná analýza (DA - Discriminant Analysis)
- Faktorová analýza (FA – Factor Analysis)

Laboratórne cvičenia budú venované využitiu teoretických poznatkov na analýzu reálnych dát v prostredi programu Matlab alebo R..
Odporúčaná literatúra:
F. Lamoš, R. Potocký: Pravdepodobnosť a matematická štatistika: Štatistické analýzy, ISBN 80-05-00115-0
R. C. Rao: Lineárni metody statistické indukce a jejich aplikace. ISBN 29-346-74-31
G.James, D.Witten, T.Hastie, R.Tibshirani: An Introduction to Statistical Learning ISBN 978-1-4614-7138-7
Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu: slovenský
Poznámky:
Hodnotenie predmetov:
Celkový počet hodnotených študentov: 0
ABCDEFX
0%0%0%0%0%0%
Vyučujúci:
Dátum poslednej zmeny: 7.2.2020 12:17:31
Schválil: doc. Mgr. Juraj Smieško, PhD.
ZDROJ: https://vzdelavanie.uniza.sk/vzdelavanie/planinfo.php?kod=274898&lng=sk