Available courses

Statistické metody pro technologii a výzkum II - 2023

Degree: Statistical Modelling and Data Analysis Certificate (SMDA)
Témata jednotlivých soustředění:
1. Spojitá rozdělení, odhady parametrů. Asymetrická rozdělení, Weibullovo rozdělení, spolehlivost, lognormální rozdělení, transformace, směsi rozdělení, rozdělení součtu. Informace a entropie.
2. Exploratorní analýza. Grafické diagnostické metody. Parametrické a neparametrické testy. Vícerozměrné normální rozdělení, Mahalanobisova vzdálenost, rozklady kovarianční matice, metody vícerozměrné analýzy.
3. Vícerozměrná lineární regrese, vlastnosti a předpoklady, multikolinearita, optimální plány. Robustní metody, vážené nejmenší čtverce, M-odhady. Logistická regrese.
4. Transformace proměnných, polynomický model, ortogonalizace, Taylorův rozvoj a responsní povrch. Nelineární regrese, tvorba modelu, reparametrizace, derivační a nederivační algoritmy optimalizace.
5. Modely s kategorickými proměnnými. Substituce dummy-proměnnými. Zobecněná analýza rozptylu.
6. shlukové analýzy, dissimilarity matrix, dendrogramy, k-means, klasifikace, diskriminační analýza. Stromy, CART.
Ukončení semestru, hodnocení seminární práce, celkové hodnocení.

Statistické metody pro technologii a výzkum I - 2023

Degree: Certified Data Analyst (CDA)
Témata jednotlivých soustředění:
1. Základy pravděpodobnosti, náhodné jevy, náhodná veličina. Rozdělení spojité náhodné veličiny, statistiky, odhady a jejich vlastnosti. Základy „Statistical thinking".
2. Intervaly spolehlivosti. t-, χ2 a F- rozdělení. Statistické testování. Robustnost. Simulační metody, metody Monte-Carlo, Bootstrap.
3. Lineární algebra a maticové operace. Vícerozměrné rozdělení. Korelace, PCA.
4. Podmíněná střední hodnota. Lineární regresní model, jeho parametry a vlastnosti. Problémy při lineární regresi.
5. Analýza rozptylu. Koncept dummy proměnných. Návrh a analýza faktoriálního experimentu. Základy MSA.
6. Nástroje pro SPC. Variabilita procesu. Minimalizace ztráty. Stabilita procesu. Shewhartovy regulační diagramy. Způsobilost a indexy způsobilosti.
Ukončení semestru, hodnocení seminární práce, celkové hodnocení.

Statistické metody pro technologii a výzkum I - 2018

Degree: Certified Data Analyst (CDA)
Témata jednotlivých soustředění:
1. Základy pravděpodobnosti, náhodné jevy, náhodná veličina. Rozdělení spojité náhodné veličiny, statistiky, odhady a jejich vlastnosti. Základy „Statistical thinking".
2. Intervaly spolehlivosti. t-, χ2 a F- rozdělení. Statistické testování. Robustnost. Simulační metody, metody Monte-Carlo, Bootstrap.
3. Lineární algebra a maticové operace. Vícerozměrné rozdělení. Korelace, PCA.
4. Podmíněná střední hodnota. Lineární regresní model, jeho parametry a vlastnosti. Problémy při lineární regresi.
5. Analýza rozptylu. Koncept dummy proměnných. Návrh a analýza faktoriálního experimentu. Základy MSA.
6. Nástroje pro SPC. Variabilita procesu. Minimalizace ztráty. Stabilita procesu. Shewhartovy regulační diagramy. Způsobilost a indexy způsobilosti.
Ukončení semestru, hodnocení seminární práce, celkové hodnocení.

Statistické metody pro technologii a výzkum I - 2016

Degree: Certified Data Analyst (CDA)
Témata jednotlivých soustředění:
1. Základy pravděpodobnosti, náhodné jevy, náhodná veličina. Rozdělení spojité náhodné veličiny, statistiky, odhady a jejich vlastnosti. Základy „Statistical thinking".
2. Intervaly spolehlivosti. t-, χ2 a F- rozdělení. Statistické testování. Robustnost. Simulační metody, metody Monte-Carlo, Bootstrap.
3. Lineární algebra a maticové operace. Vícerozměrné rozdělení. Korelace, PCA.
4. Podmíněná střední hodnota. Lineární regresní model, jeho parametry a vlastnosti. Problémy při lineární regresi.
5. Analýza rozptylu. Koncept dummy proměnných. Návrh a analýza faktoriálního experimentu. Základy MSA.
6. Nástroje pro SPC. Variabilita procesu. Minimalizace ztráty. Stabilita procesu. Shewhartovy regulační diagramy. Způsobilost a indexy způsobilosti.
Ukončení semestru, hodnocení seminární práce, celkové hodnocení.

Analýza dat a tvorba aplikací

Témata jednotlivých soustředění:

 1. Datové struktury, typy dat, interakce se soubory a databází, formáty dat, konverze dat.

 2. Administrace databáze QCE DataCenter, přístup a práva. Operace s tabulkami. Vizualizace dat.

 3. Základy jazyka SQL. Příkaz Select. Správa databáze. Interakce se zdroji dat. ODBC, import, konverze.

 4. Nástroje jazyka DARWin. Datová interakce s prostředím, formáty dat. Maticové a datové funkce, indexy.

 5. Analýza databází, statistické modelování, nástroje KDD a Data Mining, vizualizace, reporting, automatizace analýz, Batch processing.

 6. Tvorba uživatelského rozhraní, integrace analytických aplikací, systémová optimalizace procesů. Data flow management.

Statistické metody pro technologii a výzkum I

Degree: Certified Data Analyst (CDA)
Témata jednotlivých soustředění:
1. Základy pravděpodobnosti, náhodné jevy, náhodná veličina. Rozdělení spojité náhodné veličiny, statistiky, odhady a jejich vlastnosti. Základy „Statistical thinking".
2. Intervaly spolehlivosti. t-, χ2 a F- rozdělení. Statistické testování. Robustnost. Simulační metody, metody Monte-Carlo, Bootstrap.
3. Lineární algebra a maticové operace. Vícerozměrné rozdělení. Korelace, PCA.
4. Podmíněná střední hodnota. Lineární regresní model, jeho parametry a vlastnosti. Problémy při lineární regresi.
5. Analýza rozptylu. Koncept dummy proměnných. Návrh a analýza faktoriálního experimentu. Základy MSA.
6. Nástroje pro SPC. Variabilita procesu. Minimalizace ztráty. Stabilita procesu. Shewhartovy regulační diagramy. Způsobilost a indexy způsobilosti.
Ukončení semestru, hodnocení seminární práce, celkové hodnocení.

Statistické metody pro řízení jakosti

Degree: Statistical Quality Management Professional (SQMP)
Témata jednotlivých soustředění:
1. Jednorozměrná spojitá a diskrétní rozdělení.  EDA. Variabilita, ztráta. Způsobilost a její měření.
2. Shewhartovy regulační diagramy. Vícerozměrné rozdělení. Korelace. PCA. Hotellingovy diagramy.
3. Autokorelace. Detekce změny procesu. Cusum a EWMA diagramy. Metody diagnostiky procesů.
4. Analýza rozptylu. Lineární regrese. DOE, faktoriální plány. Responsní plochy, optimalizace procesu. MSA.
5. Základy spolehlivosti, Weibullova analýza. Analýza rizik FMEA/FMECA. Základy statistické přejímky.
6. Pokročilé modelování a optimalizace procesů. Vícerozměrné prediktivní modely, neuronové sítě.
Ukončení semestru, hodnocení seminární práce, celkové hodnocení.

Statistické metody pro technologii a výzkum II

Degree: Statistical Modelling and Data Analysis Certificate (SMDA)
Témata jednotlivých soustředění (72 hodin):
1. Spojitá rozdělení, odhady parametrů. Asymetrická rozdělení, Weibullovo rozdělení, spolehlivost, lognormální rozdělení, transformace, směsi rozdělení, rozdělení součtu. Informace a entropie.
2. Exploratorní analýza. Grafické diagnostické metody. Parametrické a neparametrické testy. Vícerozměrné normální rozdělení, Mahalanobisova vzdálenost, rozklady kovarianční matice, metody vícerozměrné analýzy.
3. Vícerozměrná lineární regrese, vlastnosti a předpoklady, multikolinearita, optimální plány. Robustní metody, vážené nejmenší čtverce, M-odhady. Logistická regrese.
4. Transformace proměnných, polynomický model, ortogonalizace, Taylorův rozvoj a responsní povrch. Nelineární regrese, tvorba modelu, reparametrizace, derivační a nederivační algoritmy optimalizace.
5. Modely s kategorickými proměnnými. Substituce dummy-proměnnými. Zobecněná analýza rozptylu.
6. Základy shlukové analýzy, dissimilarity matrix, dendrogramy, k-means, klasifikace, diskriminační analýza. Stromy, CART.
Ukončení semestru, hodnocení seminární práce, celkové hodnocení.