Problemy i algorytmy statystyki wysokowymiarowej 7404-MAT-MULTISTAT

1. Wprowadzenie.
2. M-estymatory w modelach regresyjnych.
3. Regresja grzbietowa i jej własności.
4. Algorytm Lasso i jego własności.
5. Inne algorytmy z karą w modelach regresyjnych.
6. Wysokowymiarowe modele graficzne.
7. Wysokowymiarowa analiza składowych głównych.

Całkowity nakład pracy studenta

Wykład – 30 godz. Samodzielne studiowanie tematyki zajęć – godz. Przygotowanie do egzaminu – godz. Razem: godz. - punktów ECTS

Efekty uczenia się - wiedza

W1: zna problemy statystyki wysokowymiarowej W2: zna algorytmy (ich zalety i wady) do rozwiązania problemów statystyki wysokowymiarowej

Efekty uczenia się - umiejętności

U1: potrafi rozwiązywać problemy statystyki wysokowymiarowej

Efekty uczenia się - kompetencje społeczne

K1: potrafi w sposób zrozumiały (dla matematyków i niematematyków) formułować problemy statystyki wysokowymiarowej, a także metody ich rozwiązania

Koordynatorzy przedmiotu

Wojciech Rejchel

Metody dydaktyczne podające

- wykład informacyjny (konwencjonalny)

Rodzaj przedmiotu

przedmiot fakultatywny

Wymagania wstępne

Przynajmniej średniozaawansowana znajomość rachunku prawdopodobieństwa, statystyki matematycznej, algebry oraz analizy matematycznej.

Kryteria oceniania

Egzamin pisemny bądź ustny - W1, W2, U1, K1

Praktyki zawodowe

Brak

Literatura

1. P. Bühlmann, S. vd Geer: ,,Statistics for High-Dimensional Data: Methods, Theory and Applications'', Springer, 2011.

2. T. Hastie, R. Tibshirani, J. Friedman: „The Elements of Statistical Learning”, Springer, 2009.

3. M. Wainwright : ,,High-Dimensional Statistics: A Non-Asymptotic Viewpoint'', Cambridge University Press, 2019.

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 7404-MAT-MULTISTAT w USOSweb