|
Vyučující
|
-
Babichev Sergii, prof. DSc.
|
|
Obsah předmětu
|
1) Etapy předzpracování a prezentace dat. Struktura a typy dat. Uvedení a import dat do softwaru R. Použití 2D diagram pro vizualizace dat. 2) Metody vizualizace dat. Základní diagramy, histogramy a spinogramy. Metody formátování a prezentace grafů. 3) Grafická vizualizace dat s využitím balíků lattice a ggplot2 softwarového prostředí R. 4) Regresní analýza. Jednoduchá, mnohonásobná, lineární a nelineární regresní modely. Implementace regresní analýzy v softwaru R. 5) Metody předzpracování dat. Filtrace, standardizace a normalizace dat. Nahrazení chybějících hodnot na základě regresní analýzy. Praktická implementace metod v softwaru R. 5) Komponentní a faktorova analýzy a jejích implementace v softwaru R. 6) Shluková analýza, typy shlukování. Používání balíků cluster, dbscan a clValid v softwaru R. 7) Základní principy induktivní technologie objektivního shlukování. Kritérií hodnocení kvality shlukování. Rozpočet kritérií v softwaru R. 8) Modely objektivní shlukové analýzy na základě algoritmů aglomerativního hierarchického shlukování, SOTA a DBSCAN. 9) Algoritmy třídění dat a jejích implementace v softwarů R a VEKA. 10) Metody a modely prognózování dat. Fuzzy logika a neuronové sítí. Implementace fuzzy modelů prognózování v softwarů R a MATLAB.
|
|
Studijní aktivity a metody výuky
|
|
Přednášení
|
|
Výstupy z učení
|
Cílem kurzu je získání znalostí a praktických zkušeností v oblasti zpracování informací včetně získání užitečných dovedností prostřednictvím volně šiřitelného softwaru R a KNIME. V průběhu kurzu budou studenti seznámeni s praktickou realizací metod předzpracování dat (filtrace, snížení dimenze prostorů, apod.), metod shlukování a klasifikace zkoumaných objektů, fuzzy logikou a bayesovskými sítěmi.
|
|
Předpoklady
|
nespecifikováno
|
|
Hodnoticí metody a kritéria
|
Analýza výkonů studenta
Kurs je určen pro studenty 2 a 3 ročníků studia.
|
|
Doporučená literatura
|
|