1 semestras - VU Matematikos ir informatikos fakultetas ...mif.vu.lt/lt3/dokumentai/dokumentai/MA/Sandai_Mag_1.docx ·

  • View
    221

  • Download
    0

Embed Size (px)

Text of 1 semestras - VU Matematikos ir informatikos fakultetas...

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.