Hlavní stránka | Seznam oborů/specializací | Seznam všech skupin předmětů | Seznam všech předmětů | Seznam rolí                Návod

Předmět je základní jednotka výuky, jejímž prostřednictvím si student osvojí ucelenou část souboru znalostí a dovedností, potřebnou pro zvládnutí studijního oboru/specializace. Za věcný obsah předmětu zodpovídá garant předmětu. Časovou náročnost předmětu zhruba vyjadřuje atribut předmětu rozsah kontaktní výuky. Například rozsah = 2+2  značí, že předmět bude mít týdně dvě hodiny přednášek a dvě hodiny cvičení týdně. Na závěr semestru musí vyučující provést vyhodnocení, nakolik si ten který student osvojil poznatky a dovednosti, kterých měl během výuky nabýt. Jakým způsobem toto hodnocení vyučující provedou určuje atribut způsob zakončení. U předmětu lze definovat, že předmět je zakončen pouze zápočtem(Z), klasifikovaným zápočtem(KZ), pouze zkouškou(ZK), nebo zápočtem a zkouškou(Z,ZK). Náročnost úspěšného absolvování předmětu je vyjádřena ECTS kreditními body. Výuka předmětu probíhá během semestru. Opakovaně se předmět vyučuje vždy v zimním(Z), nebo v letním(L) semestru každého akademického roku. Výjimečně může předmět být nabízen studentům v obou semestrech(Z,L). Za organizační zajištění výuky zodpovídá přiřazená katedra, která zejména vytvoří časový rozvrh předmětu a zajistí pro předmět vyučující. Někteří přednáší a zkouší, jiní vedou cvičení a udělují zápočty.
Obsahová náplň a další organizační informace, týkající se předmětu je popsána pomocí různých popisných textů(anotace, týdenní osnova, literatura, apod.)
$DODATEK_POPIS
MI-SCR Statistická analýza časových řad Rozsah kontaktní výuky: 2P+1C
Vyučující: Způsob zakončení: Z,ZK
Zodpovědná katedra: 18105 ECTS Kredity: 4 Semestr: Z

Anotace:
Předmět je zaměřen na praktické zvládnutí teorie modelování základních časových řad v inženýrských problémech, od ekonomických (ceny na burze, zaměstnanost), přes průmyslové (modelování signálů a procesů), po problematiku počítačových sítí (zatížení prvků sítě, detekce útoků). Studenti se naučí zvolit vhodný model pro dané procesy, tento model správně odhadnout, analyzovat jeho vlastnosti a využít pro předpovědi budoucích nebo mezilehlých hodnot. Důraz je kladen na pochopení hlavních principů a jejich osvojení na praktických příkladech z reálného světa. Cvičení i výklad v přednáškách se bude opírat o existující volně dostupné programové balíky, aby byl zaručen snadný a přímočarý transfer studentových znalostí z akademického do reálného světa.

Osnovy přednášek:
1. Úvod do problematiky časových řad, markovské procesy, příklady.
2. Frekventistické a bayesovské principy pravděpodobnosti a statistiky - opakování.
3. Regresní a autoregresní modely, (auto)korelace, (P)ACF, MA modely, odhady.
4. Bayesovský versus frekventistický pohled na AR model.
5. Smíšené modely ARMA, příklady, odhad
6. Modely ARIMA, speciální případy, příklady, odhad.
7. Bayesovský pohled na ARIMA - strukturované bayesovské modely.
8. Aplikace a analýzy modelů s AR částí.
9. Diskrétní lineární stavové modely, Kalmanův filtr.
10. Diskrétní nelineární stavové modely, rozšířený Kalmanův filtr, unscented filtr.
11. Diskrétní nelineární stavové modely: sekvenční importance sampling, resampling, bootstrap particle filter.
12. Diskrétní nelineární stavové modely - rozšíření particle filtru.
13. Exponenciální vyhlazování.

Osnovy cvičení:
1. Úvod, modely, předpovědi, odhady, markovský proces.
2. Regresní a AR model, příklady, různé metody odhadu.
3. ARMA a ARIMA modely, příklady.
4. Bayesovský podhled na časovou řadu, příklady.
5. Filtrace lineárních a nelineárních stavových modelů pomocí Kalmanova filtru.
6. Filtrace nelineárních modelů pomocí particle filtru.

Literatura:
1. David Barber et al., Bayesian Time Series Models, Cambridge University Press (2011).
2. David Barber, Bayesian Reasoning and Machine Learning, Cambridge University Press (2012), ISBN 978-0-521-51814-7.
3. R. McCleary at al., Design and Analysis of Time Series Experiments, Oxford Univ. Press (2017).

Požadavky:
Základní znalost lineární algebry a matematické analýzy.

Informace o předmětu a výukové materiály naleznete na https://courses.fit.cvut.cz/MI-SCR/

Předmět je zahrnut do těchto studijních plánů:
Plán Obor Role Dop. semestr
MI-ZI.2016 Znalostní inženýrství V Není
MI-ZI.2018 Znalostní inženýrství V Není
MI-SP-TI.2016 Systémové programování V Není
MI-SP-SP.2016 Systémové programování V Není
MI-SPOL.2016 Nespecifikovaný/á obor/specializace studia - Unspecified Branch/Specialisation of Study V Není
MI-WSI-WI.2016 Webové a softwarové inženýrství V Není
MI-WSI-SI.2016 Webové a softwarové inženýrství V Není
MI-WSI-ISM.2016 Webové a softwarové inženýrství V Není
MI-NPVS.2016 Návrh a programování vestavných systémů V Není
MI-PSS.2016 Počítačové systémy a sítě V Není
MI-PB.2016 Počítačová bezpečnost V Není


Stránka vytvořena 2. 5. 2024, semestry: Z/2020-1, L/2023-4, L/2021-2, L/2019-20, Z/2021-2, Z/2023-4, L/2020-1, Z/2019-20, L/2022-3, Z/2024-5, Z/2022-3, připomínky k informační náplni zasílejte správci studijních plánů Návrh a realizace: J. Novák, I. Halaška