VP - Bayesovské statistické modely a workflow v jazyku Stan - DV11255

• Anglický název: OS - Bayesian statistical modelling and workflow in Stan
• Zajišťuje: Ústav bioinformatiky (13-831)
• Fakulta: 2. lékařská fakulta
• Platnost: od 2023
• Semestr: letní
• Body: 3
• E-Kredity: 3
• Způsob provedení zkoušky: letní s.:
• Rozsah, examinace: letní s.:0/20, Z [HS]
• Počet míst: neurčen / 12 (12)
• Minimální obsazenost: 1
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: čeština
• Způsob výuky: prezenční
• Poznámka: předmět je možno zapsat mimo plán; povolen pro zápis po webu
• Garant: Mgr. Martin Modrák, Ph.D.
• Vyučující: Mgr. Martin Modrák, Ph.D.

Podmínky zakončení předmětu

Zápočet

Poslední úprava: Procházková Helena, Bc. (15.01.2024)

Požadavky ke zkoušce

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.

Poslední úprava: Procházková Helena, Bc. (15.01.2024)

Sylabus

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).

Poslední úprava: Procházková Helena, Bc. (16.12.2024)