Detail předmětu

Multidimensional Analysis of Biomedical Data

FEKT-MPA-VMMAk. rok: 2023/2024


Předmět je orientován na běžně používané metody z oblasti analýzy vícerozměrných dat: shluková analýza, faktorová analýza, metoda hlavních komponent, t-SNE, UMAP, apod. Jsou probíraný jak teoretické (základní principy jednotlivých metod), tak praktické (aplikace při zobrazování a analýze vícerozměrných dat) aspekty. Teorie je probíraná v přímé spojitosti s praktickými příklady. Veškeré výpočetní techniky jsou procvičovány s pomocí prostředí Python. Kurz připravuje posluchače k samostatnému využití daných metod pro analýzu dat ve vlastní vědecké či rutinní práci.  

Jazyk výuky

angličtina

Počet kreditů

5

Pravidla hodnocení a ukončení předmětu

Bodové hodnocení předmětu:

1) Týmový projekt (max. 20 bodů):
• Zpracování originálního řešení týmového projektu a jeho obhajoba na konci semestru (podle pokynů)

Pozn.:
- Hodnoceno bude splnění zadání a kvalita prezentace výsledků všemi členy týmu
- Plagiátorství bude mít za následek neudělení zápočtu

- Povinná alespoň jedna konzultace týmu s konzultantem!


2) Závěrečná zkouška (max. 80 bodů):
• ústní forma
• celkem dvě části, každá za max. 40 bodů

Podmínky pro udělení zápočtu a připuštění k závěrečné zkoušce:
• získání nenulového počtu bodů za týmový projekt
• maximálně dvě omluvené neúčastí na cvičeních (ve výjimečných případech rozhodne o řešení garant předmětu)

Podmínky pro úspěšné absolvování předmětu:
• získání zápočtu
• získání nejméně 20 bodů z každé ze dvou částí zkoušky
• získání celkem (tj. z projektu a zkoušky) alespoň 50 bodů 

Základní literatura

A.C. Rencher: Methods of Multivariate Analysis, Wiley-Interscience, 2002 (CS)
J.H. McDonald: Handbook of Biological Statistics, Sparky House Publishing, 2008 (CS)

Doporučená literatura

S. Theodoridis, K. Koutroumbas: An Introduction to Pattern Recognition: A Matlab Approach, Elsevier, 2010 (CS)

eLearning

Zařazení předmětu ve studijních plánech

  • Program MPAD-BIO magisterský navazující, 1. ročník, zimní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Cvičení na počítači

26 hod., povinná

Vyučující / Lektor

eLearning