Sylabus
1) Základy lineární regrese, logistické regrese, lasso regrese, hřebenové regrese, principy testování hypotéz, test podílem věrohodností, stepwise algoritmy
2) Základy vícerozměrné statistiky - metoda hlavních komponent, faktorová analýza, shluková analýza
3) Míry diskriminace - Kolmogorov Smirnov, Gini koeficient, Somer’s d
4) Principy back testu, cross validace a bootstrappingu
5) Regresní stromy, náhodné lesy
6) Gradient boosting
7) Bayesovské sítě, neuronové sítě
8) Lineární optimalizace, Support vector machine Cvičení: Základy programování v prostředí R, praktické ukázky práce s daty
Anotace
Kurz je zaměřen na standardní metody analýzy dat včetně moderních trendů zpracování velkých datových souborů metodami strojového učení. Modelování nad reálnými daty v prostředí jazyka R.