Popisná statistika, předzpracování dat, typy dat, diskretizace dat. Testy hypotéz pro spojitá a diskrétní data. Regresní a korelační analýza s testy hypotéz. Vícerozměrná analýza - vícenásobná lineární regrese, logistická regrese, ROC křivky, MANOVA, PCA, Faktorová analýza. Power analysis, příprava, zpracování a vyhodnocení experimentu.
Řešení soustavy lineárních rovnic. Lineární model a jeho konstrukce. Základní úlohy: plánování výroby, směšovací problém, řezný problém, dopravní problém, přiřazovací problém. Geometrické řešení v rovině. Dualita, stabilita a citlivost. Úlohy o optimální produkci. Úlohy formulované jako přiřazovací problém. Nejkratší cesty grafem.
Formulace úlohy celočíselného programování, metoda větví a mezí, úloha o batohu, problém obchodního cestujícího, úlohy o množinách, problém rozmístění skladů a poštovních boxů, úlohy řazení, heuristiky, metaheuristiky, genetické algoritmy, optimalizace podle mravenčích kolonií.
Stochastické modelování, odhad, predikce filtrace, řízení, metody klasifikace: k-means, hustotní, naive Bayes, rozhodovací stromy, support vector machine.
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.
Stochastické modelování, odhad, predikce filtrace, řízení, metody klasifikace - k-means, hustotní, naive Bayes, rozhodovací stromy, support vector machine.
• Základní pojmy: systém, model • Stochastický model a jeho odhad (Bayesovo pravidlo) • Normální a kategoriální modely, odhad • Předpovídání pomocí dynamických kategoriálních a normálních modelů • Stavová filtrace, Kalmanův filtr • Základy metody dynamického programování pro minimalizaci kvadratického kritéria • Řízení dynamického systému s normálním a kategoriálním modelem • Odhadování metodou naivního Bayesova klasifikátoru (Naive Bayes) • Logistická a Poissonova regrese • Shlukování (separace dat, fuzzy shlukování, shlukování podle hustoty, hierarchické shlukování) • Klasifikace (K-nejbližší soused, podpůrné vektorové stroje) • Rozhodovací stromy a jejich použití pro klasifikaci • Vybavování a opakování
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.