View
221
Download
0
Embed Size (px)
Turinys1 semestras1Duomen tyrimas1Daugiamat statistika5Markovo grandins8Kokybs kontrols sistemos12Magistro baigiamasis darbas I162 semestras19Statistiniai mokymo algoritmai19Test teorija statistiniuose tyrimuose22Bajeso statistika26Igyvenamumo analiz30Magistro baigiamasis darbas II353 semestras38Funkcini duomen analiz38Stochastiniai patikimumo modeliai41Daugiaparametrin statistika45Laikins sekos49Magistro baigiamasis darbas III53
1 semestrasDuomen tyrimas
Dalyko (modulio) pavadinimas
Kodas
Domen tyrimas
Dstytojas (-ai)
Padalinys (-iai)
Koordinuojantis: dr. Jeremy Besson
Kitas (-i):
Matematikos ir informatikos fakultetas, Matematins statistikos katedra
Studij pakopa
Dalyko (modulio) tipas
Antroji
Privalomasis
gyvendinimo forma
Vykdymo laikotarpis
Vykdymo kalba (-os)
Auditorin
1 semestras
Angl
Reikalavimai studijuojaniajam
Iankstiniai reikalavimai: nra
Gretutiniai reikalavimai: nra
Dalyko (modulio) apimtis kreditais
Visas studento darbo krvis
Kontaktinio darbo valandos
Savarankiko darbo valandos
5
140
64
76
Dalyko (modulio) tikslas: studij programos ugdomos kompetencijos
Dalyko tikslas teorikai ir praktikai sisavinti duomen tyrimo metodus, naudojamus iekant ini dideliuose duomen masyvuose (programos kompetencija D5). Ypatingas dmesys skiriams darbui su reali duomen rinkiniais ir tyrimo rezultat pristatymui (programos kompetencija B1).
Dalyko (modulio) studij siekiniai: iklauss dalyk studentas
Studij metodai
Vertinimo metodai
gebs atlikti pirmin duomen apdorojim;
gebs modeliuoti tyrimui reikalingus duomenis;
gebs dirbti su keliomis duomen tyrimo platformomis;
gebs pristatyti tyrim rezultatus, laikydamasis profesins etikos.
Literatros studijavimas, probleminis dstymas: pavyzdi nagrinjimas; udavini sprendimas, eksperimentai su realiais duomenimis
Individualus projektas, individualus udavini sprendimas, duomen tyrimo platform analiz
Temos
Kontaktinio darbo valandos
Savarankik studij laikas ir uduotys
Paskaitos
Konsultacijos
Seminarai
Pratybos
Laboratoriniai darbai
Visas kontaktinis darbas
Savarankikas darbas
Uduotys
1. vadas duomen tyrim
2
2
[1], 1 skyrius
ia ir emiau: atsirinkti ir istudijuoti literatr, reikaling duotoms uduotims ar projektui atlikti
2. vadas Knime
8
8
24
[2]
3. vadas duomen tyrimo proces
1
2
3
8
Cross Industry Standard Process for Data Mining - CRISP-DM 1.0
4. Duomen supratimas
3
7
10
8
[1], 2 skyrius
5. Duomen pirminis apdorojimas
3
7
10
8
[1], 3 skyrius
6. Klasifikavimo teorija
6
8
14
9
[1], 4-5 skyriai
7. Lizdin analiz
5
8
13
9
[1], 8-9 skyriai
8. Asociacij analiz
4
4
10
[1], 6 skyrius
I viso
24
40
64
76
Vertinimo strategija
Svoris proc.
Atsiskaitymo laikas
Vertinimo kriterijai
Individualios uduotys
40
Semestro metu
Maksimalus bal skaiius skiriamas u pilnai ir teisingai atlikt uduot, korektik rezultat interpretavim. Jeigu atlikta ne visa uduotis bal skaiius proporcingai mainamas.
Uduotys susideda i:
kit duomen tyrimo platform apvalgos;
duomen tyrimo metodo apvalgos.
Individualus projektas
60
Semestro gale
Maksimalus bal skaiius skiriamas u pilnai ir teisingai atlikt uduot, korektik rezultat interpretavim. Jeigu atlikta ne visa uduotis, bal skaiius proporcingai mainamas.
Autorius
Leidimo metai
Pavadinimas
Periodinio leidinio Nr. ar leidinio tomas
Leidimo vieta ir leidykla ar internetin nuoroda
Privaloma literatra
1. Pang-Ning Tan, Michael Steinbach, Vipin Kumar
2006
Introduction to Data Mining
Addison-Wesley
2.
KNIME dokumentacija
http://tech.knime.org/knime
Papildoma literatra
Usama Fayyad, Gregory Piatetsky-Shapiro, Padhraic Smyth, and Ramasamy Uthurasamy
1996
Advances in Knowledge Discovery and Data Mining
AAAI Press/ The MIT Press
Michael Berry, Gordon Linoff
2004
Data Mining Techniques
Paperback
M. Goebel, L. Gruenwald
1999
A survey of data mining and knowledge discovery software tools
SIGKDD Explorations, 1:20-33
T. Imielinski, H. Mannila
1996
A database perspective on knowledge discovery
Communications of ACM, 39:58-64
O. Marbn, G. Mariscal, J. Segovia
2009
A Data Mining & Knowledge Discovery Process Model
In Data Mining and Knowledge Discovery in Real Life Applications
ISBN 978-3-902613-53-0
A. Azevedo, M. F. Santos
2008
KDD, SEMMA and CRISP-DM: a parallel overview
In Proceedings of the IADIS European Conference on Data Mining, 182185
X. Zhu, I. Davidson
2007
Knowledge Discovery and Data Mining: Challenges and Realities
New York, Hershey
R. Agrawal, H. Mannila, R. Srikant, H. Toivonen, A. Verkamo
1996
Fast discovery of association rules
In Advances in knowledge discovery and data mining, 307-328
Daugiamat statistika
Dalyko (modulio) pavadinimas
Kodas
Daugiamat statistika
Dstytojas (-ai)
Padalinys (-iai)
Koordinuojantis: doc. Pranas Vaitkus
Kitas (-i): doc. Rta Levulien
Matematikos ir informatikos fakultetas, Matematins statistikos katedra
Studij pakopa
Dalyko (modulio) tipas
Antroji
Privalomas
gyvendinimo forma
Vykdymo laikotarpis
Vykdymo kalba (-os)
Auditorin
1 semestras
Lietuvi
Reikalavimai studijuojaniajam
Iankstiniai reikalavimai: nra
Gretutiniai reikalavimai: nra
Dalyko (modulio) apimtis kreditais
Visas studento darbo krvis
Kontaktinio darbo valandos
Savarankiko darbo valandos
5
140
72
68
Dalyko (modulio) tikslas: studij programos ugdomos kompetencijos
Dalyko tikslas sisavinti klasikinius ir inovatyvius daugiamats statistikos metodus, naudojamus statistinje duomen analizje ir kitose praktins veiklos srityse (programos kompetencijos D3 ir D5). Kartu ugdoma kompetencija matematikai analizuoti realius procesus ir pristatyti tyrim rezultatus (B1) bei nuolatinio mokymosi kompetencija (B2).
Dalyko (modulio) studij siekiniai: iklauss dalyk studentas
Studij metodai
Vertinimo metodai
gebs ivardinti ir paaikinti daugiamaio normaliojo skirstinio charakteristikas ir savybes;
gebs modeliuoti daugiamaius skirstinius ir vertinti daugiamaio normaliojo skirstinio parametrus, grafikai tikrinti normalumo prielaid;
gebs tikrinti hipotezes apie vektoriaus vidurk ir apie kovariacini matric lygyb;
gebs taikyti daugiamat dispersin analiz, diskriminantin analiz, kanonin koreliacij;
gebs atlikti daugiamai duomen analiz naudodamas statistinius paketus (R, SAS);
gebs rengti statistini tyrim ataskaitas, suprantamai pristatyti metodologijas ir rezultatus, vertinti statistini priemoni tinkamum.
Paskaita, pratybos, atvej analiz. Konsultacij metu aptariami neaiks klausimai. Savarankikas darbas skirtas praktiniams nam darbams atlikti, bei idstytos teorijos inioms utvirtinti.
Savarankikam darbui skirt laboratorini darb atlikimas, atsiskaitymas bei rezultat pristatymas; studento praneimas seminare; egzaminas (ratu)
Temos
Kontaktinio darbo valandos
Savarankik studij laikas ir uduotys
Paskaitos
Konsultacijos
Seminarai
Pratybos
Laboratoriniai darbai
Visas kontaktinis darbas
Savarankikas darbas
Uduotys
1. Normaliojo vektoriaus parametr vertiniai ir j savybs. Normaliojo vektoriaus parametr didiausiojo tiktinumo vertiniai. Parametr vertini skirstiniai. Ivados apie vidurki vektori, kai kovariacin matrica inoma. Vidurki vektoriaus pasikliovimo sritys. Viarto skirstinio apibrimas ir savybs.
6
1
2
2
11
7
I [1] perskaityti
1 skyri; atlikti
1 laboratorin darb
2. Hotelingo statistikos taikymai, hipotezs apie kovariacij matricas. Ivados apie vidurki vektori, kai kovariacin matrica neinoma. Vidurki palyginimas dviejose imtyse. Hipotezs apie vidurki vektori tiesins formos reik tikrinimas. Simetrikumo hipotez. Vidurki palyginimas, kai kovariacins matricos skirtingos. Hipotezs apie kovariacij matric lygyb tikrinimas. Hipotezs, kad kovariacij matrica proporcinga duotajai, tikrinimas. Tiktinum santykio kriterijus.
8
1
4
4
17
12
I [1] perskaityti
2 skyri; atlikti
2 ir 3 laboratorinius darbus
3. Tiesiniai modeliai daugiamaiu atveju. Normaliojo skirstinio atvejis. Tiesini hipotezi tikrinimas. Tiktinum santykio statistikos savybs.
4
1
2
2
9
6
I [1] perskaityti
3 skyri; atlikti
4 laboratorin darb.
4. Koreliacin analiz. Koreliacijos koeficiento skirstinys dvimaiu atveju. Daliniai koreliacijos koeficientai. Atsitiktini vektori nepriklausomumo hipotezs.
