PředmětyPředměty(verze: 945)
Předmět, akademický rok 2023/2024
   Přihlásit přes CAS
Data Science 3 - NMFP535
Anglický název: Data Science 3
Zajišťuje: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
Fakulta: Matematicko-fyzikální fakulta
Platnost: od 2023
Semestr: zimní
E-Kredity: 5
Rozsah, examinace: zimní s.:2/2, Z+Zk [HT]
Počet míst: neomezen
Minimální obsazenost: neomezen
4EU+: ne
Virtuální mobilita / počet míst pro virtuální mobilitu: ne
Stav předmětu: vyučován
Jazyk výuky: angličtina, čeština
Způsob výuky: prezenční
Způsob výuky: prezenční
Je zajišťováno předmětem: NMST539
Garant: doc. RNDr. Zdeněk Hlávka, Ph.D.
doc. RNDr. Matúš Maciak, Ph.D.
doc. RNDr. Ivan Mizera, CSc.
Třída: M Mgr. FPM
M Mgr. FPM > Povinně volitelné
Kategorizace předmětu: Matematika > Finanční a pojistná matematika
Neslučitelnost : NMST539
Záměnnost : NMST539
Je neslučitelnost pro: NMST539
Je prerekvizitou pro: NMFP556
Anotace -
Poslední úprava: doc. Ing. Marek Omelka, Ph.D. (01.06.2023)
Úvod do tradičních a moderních metod mnohorozměrné statistiky.
Cíl předmětu -
Poslední úprava: doc. RNDr. Zdeněk Hlávka, Ph.D. (08.12.2020)

Seznámit studenty se základními metodami mnohorozměrné statistiky.

Podmínky zakončení předmětu -
Poslední úprava: doc. RNDr. Ivan Mizera, CSc. (15.10.2023)

Podmínky pro získání zápočtu: účast na cvičení (max 3 absence) a průběžné řešení zadaných úkolů (získání alespoň 36 kreditů, kde jeden vyřešený příklad znamená spravidla jeden kredit). Charakter zápočtu neumožňuje jeho opakování. Získání zápočtu je nutná podmínka pro účast na zkoušce. Zkouška bude písemnou formou a kromě jednoduchých otázek podobných těm, které se probíraly na cvičení, bude obsahovat taky otázky z principů, motivací, algoritmů a aplikací technik probíraných na přednáškách.

Literatura -
Poslední úprava: doc. RNDr. Zdeněk Hlávka, Ph.D. (08.12.2020)

Bouveyron C., Celeux G., Murphy T.B., Raftery A. E.: Model-based Clustering and Classification for Data Science: with Applications in R. Cambridge University Press, 2019.

Härdle, W. K., Hlávka, Z.: Multivariate Statistics: Exercises and Solutions, 2nd edition, Springer, 2015.

Härdle W. K., Simar L.: Applied Multivariate Statistical Analysis, 4th edition, Springer, 2015.

Mardia K.V., Kent J.T., Bibby J.M.: Multivariate Analysis. Academia Press. London, 1979.

Rao C.R.: Linear Statistical Inference and Its Applications. 2nd edition. Wiley. New York, 1973. (existuje český překlad)

Venables W.N. Ripley B.D.: Modern Applied Statistics with S, 4th edition, Springer, 2002.

Metody výuky -
Poslední úprava: RNDr. Jitka Zichová, Dr. (29.05.2022)

Přednáška + cvičení.

Sylabus -
Poslední úprava: doc. RNDr. Martin Branda, Ph.D. (09.12.2020)

1. Mnohorozměrné normální rozdělení.

2. Wishartovo a Hotellingovo rozdělení.

3. Odhady a testování.

4. Hlavní komponenty a faktorová analýza.

5. Kanonické korelace, korespondenční analýza.

6. Diskriminační a shluková analýza.

7. Metody založené na projekcích, hloubka dat.

8. Použití standardních programů.

 
Univerzita Karlova | Informační systém UK