Matematické modelování. Systém a jeho matematický popis. Typy signálů. Základní odezvy systému. Konvoluce. Stavové modely. Princip obecného / stacionárního / lineárního stavového popisu. Měření dat. Neurčitost v měřených datech. Normalizace dat. Příprava dat pro další zpracování. Lineární stavový model nad zašuměnými daty. Odhad stavu Kálmánovým filtrem. Metody statistického učení. Regrese, klasifikace, regularizace, shlukování. Optimalizace.
Systém. Regresní, diskrétní a logistické modely. Bayesovský odhad parametrů modelu. Odhad parametrů normálního regresního, diskrétního a logistického modelu. Klasifikace s logistickým modelem. Jednokroková a vícekroková předpověď s regresním a diskrétním modelem. Stavový model. Odhad stavu. Kálmánův filtr. Řízení s regresním a diskrétním modelem.
Obecné principy dopravních detektorů, specifické problémy v dopravních aplikacích, rozdílné technologie. Předzpracování dopravních dat pro nadstavbové matematické modely. Principy dalších analytických metod (rozhodovací stromy, shlukování, soft computing atd.). Systémové principy funkcí snímačů a akčních členů. Základy teorie měření a akčního působení.
Úvod do chytrých měst, základy systémové analýzy, využití UML pro návrh systému, principy komplexních systémů, definice komponent chytrých měst, modelování s využitím multiagentních systémů, seznámení se simulačním prostředím AnyLogic, aplikace poznatků na konkrétní individuální úlohu.
Základy pravděpodobnosti. Popisná statistika. Soubor a výběr, limitní věty. Bodový odhad, konstrukce, vlastnosti. Intervalové odhady. Parametrické testy. Neparametrické testy. Regresní a korelační analýza.
Stochastické modely dynamických procesů, odhad parametrů, predikce, filtrace stavu, klasifikace s logistickým modelem, řízení.