Zaawansowane metody analizy danych - opis przedmiotu

Informacje ogólne

Nazwa przedmiotu	Zaawansowane metody analizy danych
Kod przedmiotu	13.2-WF-FizP-ZMAD- 19
Wydział	Wydział Fizyki i Astronomii
Kierunek	Fizyka
Profil	ogólnoakademicki
Rodzaj studiów	drugiego stopnia z tyt. magistra
Semestr rozpoczęcia	semestr zimowy 2020/2021

Informacje o przedmiocie

Semestr	3
Liczba punktów ECTS do zdobycia	4
Występuje w specjalnościach	Fizyka komputerowa
Typ przedmiotu	obowiązkowy
Język nauczania	polski
Sylabus opracował	dr hab. Piotr Lubiński, prof. UZ

Formy zajęć

Forma zajęć	Liczba godzin w semestrze (stacjonarne)	Liczba godzin w tygodniu (stacjonarne)	Liczba godzin w semestrze (niestacjonarne)	Liczba godzin w tygodniu (niestacjonarne)	Forma zaliczenia
Wykład	30	2	-	-	Egzamin
Laboratorium	30	2	-	-	Zaliczenie na ocenę

Cel przedmiotu

Zapoznanie studentów z wybranymi zaawansowanymi metodami analizy danych i różnymi podejściami do określania statystycznej wiarygodności wyników.

Metody analizy danych.

Podstawy programowania.

Test chi2, zastosowanie rozkładu Studenta.

Metody symulacji rozkładów prawdopodobieństwa.

Metody bootstrap.

Testy korelacji Spearmana i Kendalla.

Elementy teorii prawdopodobieństwa w ujęciu Jaynesa.

Analiza zmienności i obrazów.

Analiza danych wg Particle Data Group.

Analiza klastrów.

Porównanie modeli, test Akaike i inne.

Wykład, ćwiczenia rachunkowe, laboratorium komputerowe

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Laboratorium - pozytywna ocena z kolokwium (50%) i przygotowanie sprawozdania z opracowania wybranego zagadnienia z analizy danych (50%).

Wykład - pozytywna ocena z egzaminu pisemnego.

Ocena końcowa - średnia z ocen z laboratorium i egzaminu.

1. Nowak R., Statystyka dla fizyków, PWN, Warszawa, 2002

2. Brandt S., Analiza danych, PWN, Warszawa, 1998

3. Koronacki J., Mielniczuk J., Statystyka dla studentów kierunków technicznych i przyrodniczych.

1. Bevington P.R., Robinson D.K., Data Reduction and Error Analysis for the Physical Sciences, McGraw-Hill Education, New York, 2003

2. Jaynes E.T., Probability Theory: The Logic of Science, Cambridge University Press, 2003

3. Bretthorst G.L, Bayesian Spectrum Analysis and Parameter Estimation, Springer, 1988

Zmodyfikowane przez dr hab. Piotr Lubiński, prof. UZ (ostatnia modyfikacja: 08-06-2020 23:11)