SubjectsSubjects(version: 964)
Course, academic year 2024/2025
   Login via CAS
OS - Bayesian statistical modelling and workflow in Stan - DV11255
Title: VP - Bayesovské statistické modely a workflow v jazyku Stan
Guaranteed by: Ústav bioinformatiky (13-831)
Faculty: Second Faculty of Medicine
Actual: from 2023
Semester: summer
Points: 3
E-Credits: 3
Examination process: summer s.:
Hours per week, examination: summer s.:0/20, C [HS]
Capacity: unknown / 12 (12)
Min. number of students: 1
4EU+: no
Virtual mobility / capacity: no
Key competences:  
State of the course: taught
Language: Czech
Teaching methods: full-time
Level:  
Note: course can be enrolled in outside the study plan
enabled for web enrollment
Guarantor: Mgr. Martin Modrák, Ph.D.
Teacher(s): Mgr. Martin Modrák, Ph.D.
Course completion requirements - Czech
Zápočet

Last update: Procházková Helena, Bc. (15.01.2024)
Requirements to the exam - Czech

Předmět je splněn řešením malého projektu - ideální projekt vychází z konkrétního analytického problému, který studenta zajímá. Řešení typického projektu by mělo vyžadovat 2 - 10 hodin samostatné práce mimo předmět + konzultace a společná práce v rámci cvičení.

Last update: Procházková Helena, Bc. (15.01.2024)
Syllabus - Czech

Předmět představí základy budování statistických modelů a analýzy dat v jazyku Stan.

V předmětu pokryjeme:

  • Prinicipy Hamiltonian Monte Carlo, instalace Stan, jednoduché modely

  • Základy workflow - prior predictive check, posterior predictive check, kritika modelu a jeho rozšiřování

  • Regresní a smíšené modely

  • Ladění modelů, simulation-based calibration checking, konkrétní modelovací techniky dle projektů studentů (může zahrnovat například diskrétní parametry, Gaussovské procesy, monotónní prediktory, systémy diferenciálních rovnic, analýza přežití, mixture modely, …)

  • Společná práce a konzultace na projektu

Předpokládané minimální znalosti/dovednosti:

Základy programování v R/Pythonu: tvorba funkcí, načítání dat z CSV, základní manipulace s data frame, vektory a maticemi.

Základy pravděpodobnosti a statistiky: pravděpodobnostní rozložení a jejich reprezentace (generátory náhodných čísel, distribuční funkce, hustota), věrohodnost (likelihood), střední hodnota

Znalost základních konceptů Bayesovské statistiky vítána, ale není nutná.

Na 2. LF jsou tyto znalosti pokryty předměty "DV01051- Uvedení do R a analýzy dat" a "DV01056 - Analýza dat v R a vybrané kapitoly ze statistiky"

Praktická část výuky proběhne na vlastním NTB. Primárně budeme pracovat R, ale je možné využít i Python (pro Python bude trochu menší podpora).

Last update: Procházková Helena, Bc. (16.12.2024)
 
Charles University | Information system of Charles University | http://www.cuni.cz/UKEN-329.html