Jakub Wróblewski > Zajęcia dydaktyczne > Elementy modelowania matematycznego

Slajdy z wykładu stanowią materiał uzupełniający (przypomnienie głównych zagadnień) i nie powinny być traktowane jako jedyne źródło wiedzy wymaganej na egzaminie. Źródłem takim powinny być notatki z wykładu i ćwiczeń oraz zalecana literatura.
Tematy oznaczone na slajdach jako "dygresja" nie będą wymagane na egzaminie.

• Wykład 1 -PDF-. Plan wykładu. Modelowanie danych - podstawowe pojęcia, przegląd podejść (statystyka, eksploracja danych).
• Wykład 2 -PDF-. Prawo wielkich liczb, centralne twierdzenie graniczne. Estymacja przedziałowa. Testowanie hipotez.
• Wykład 3 -PDF-. Modelowanie zależności wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.
• Wykład 4 -PDF-. Testowanie jakości modelu (klasyfikatora). Metody probabilistyczne: 0-R, 1-R, alg. naiwny bayesowski. Metoda k najbliższych sąsiadów.
• Wykład 5 -PDF-. Modelowanie danych za pomocą drzew decyzyjnych. Entropia. Reguły decyzyjne i asocjacyjne. Algorytm AQ.
• Wykład 6 -PDF-. Modelowanie liniowe. Metoda Simplex.
• Wykład 7 -PDF-. Przepływy w sieciach. Programowanie całkowitoliczbowe.
• Wykład 8 -PDF-. Łańcuchy Markowa - podstawowe pojęcia.
• Wykład 9 -PDF-. Łańcuchy Markowa - klasyfikacja stanów, twierdzenie ergodyczne. Ukryte modele Markowa.
• Wykład 10 -PDF-. Systemy kolejkowe.

Zasady zaliczeń (2007/08):

• Zaliczenie ćwiczeń dokonywane jest według zasad ustalonych przez prowadzących. Głównym składnikiem zaliczeń są kolokwia, oprócz tego mogą być brane pod uwagę aktywnośc na zajęciach i prace domowe.
• Należy przed egzaminem mieć zaliczone ćwiczenia.
• Egzamin planowany jest na 23.06.2007, godz. 17:00 i będzie się składał z części pisemnej i (w szczególnych przypadkach) części ustnej kilka dni później.
• Ocena 5 z ćwiczeń zwalnia z egzaminu (z oceną 4, którą można poprawić na egzaminie).

Literatura i linki:

• J. Koronacki, J. Mielniczuk. Statystyka dla studentów kierunków technicznych i przyrodniczych. WNT, Warszawa 2001.
• P. Cichosz. Systemy uczące się. WNT, Warszawa 2000.
• A. Webb. Statistical Pattern Recognition. Wiley, 2002.
• J. Jakubowski, R. Sztencel. Wstęp do teorii prawdopodobieństwa. SCRIPT, Warszawa 2001.
• M. Sysło, N. Deo, J. Kowalik. Algorytmy optymalizacji dyskretnej. PWN, Warszawa 1999.
• Ogólnodostępne wykłady ze sztucznej inteligencji (osilek.mimuw.edu.pl), obejmujące m.in. tematykę dyskryminacji, regresji, wnioskowania (drzewa, reguły itp.).
• Ogólnodostępne wykłady z metod optymalizacji (osilek.mimuw.edu.pl), obejmujące m.in. programowanie liniowe.
• FAQ na temat programowania liniowego. Darmowy (do celów niekomercyjnych) solver do zadań programowania liniowego i in.: Xpress-MP.