|
Vyučující
|
-
Voženílek Vít, prof. RNDr. CSc.
-
Hron Karel, prof. RNDr. Ph.D.
|
|
Obsah předmětu
|
Náplň předmětu je přizpůsobena zaměření dizertační práce studenta, předpokládá se výběr zejména z následujících témat v rámci objektově orientované analýzy dat (mnohorozměrná data, kompoziční data, funkcionální data, složitější datové struktury) podle příslušné geoinformatické motivace: - Lineární a nelineární metody regrese a klasifikace (včetně robustních); - Výběr modelu a jeho evaluace (vč. křížové validace, bootstrapu); - Statistická inference (odhady parametrů modelu, testování hypotéz, predikce; bayesovský přístup); - Metody strojového učení (regresní/klasifikační stromy, support vector machines, neuronové sítě); - Nesupervizované metody (redukce dimenze, shluková analýza, detekce odlehlých hodnot); - Metody pro vysoce dimenzionální data (regrese, klasifikace, nesupervizované metody); Geostatistika, prostorová a časoprostorová statistika.
|
|
Studijní aktivity a metody výuky
|
- Příprava na zkoušku
- 40 hodin za semestr
|
|
Výstupy z učení
|
Získat ucelený přehled o moderních statistických metodách v geoinformatice.
Aplikace Aplikace moderních statistických metod v geoinformatice.
|
|
Předpoklady
|
Znalosti ze základního kurzu aplikované statistiky.
|
|
Hodnoticí metody a kritéria
|
nespecifikováno
Odborný text a ústní odborná rozprava
|
|
Doporučená literatura
|
-
Bühlmann, P. van der Geer, S. (2011). Statistics for high-dimensional data. Springer, Heidelberg.
-
Filzmoser, P., Hron, K., Templ, M. (2018). Applied compositional data analysis. Springer, Heidelberg.
-
Chun, Y., Griffith, D.A. (2013). Spatial statistics and geostatistics. SAGE Publishing, Thousand Oaks.
-
James, G., Witten, D., Hastie, T., Tibshirani, R. (2013). An introduction to statistical learning. Springer, New York.
-
Ramsay, J.O., Silverman, B.W. (2005). Functional data analysis. Springer, New York.
|