DSCM030 Теория на данните

Анотация:

Целта на курса е да запоснае студентите с основните концепции, възникващи при анализа на данни.

прочети още
Извличане на знания и технологии за големи данни

Преподавател(и):

проф. Димитър Атанасов  д-р

Описание на курса:

Компетенции:

Студентите ще могат познават основната терминология и ще могат да интепретират основните аспекти при анализирането на данни.
Предварителни изисквания:
Базови знаия по математика.

Форми на провеждане:
Редовен

Учебни форми:
Лекция

Език, на който се води курса:
Български

Теми, които се разглеждат в курса:

  1. Измерване и скали
  2. Сходство. Пространство на наблюденията
  3. Метод на главните компоненти
  4. Популационни и извадкови характеристики.
  5. Разпределения
  6. Информация и ентропия
  7. Оценяване
  8. Максимално правдоподобие
  9. Метод на моментите
  10. Робастно оценяване
  11. Симулационно оценяване
  12. ЕМ алгоритъм
  13. Вериги на Марков
  14. Монте Карло методи за вериги на Марков
  15. Проверка на хипотезе

Литература по темите:

[1] Kevin P. Murphy. Machine Learning: A Probabilistic Perspective. Massachusetts Institute of Technology, 2012.

[2] Жозеф Теллалян Димитър Дамгалиев. Бизнесстатистика. Number 311 / Д 151. София: Нов български университет, 2006.

[3] Ramakant Khazanie. Elementary statistics in a world of applications. Number 51 / K 42. Glenview: Scott, Foresman/Little, Brown Higher Education, 1990.

[4] Р. Брук Лий Бари Коен. Основи на статистиката за социалните и поведенческите науки. Number 311 / К 739. София: Изток-Запад, 2013.

[5] Daniel B. Wright. Understanding statistics : an introduction for the social sciences. Number 311 / W 88. London: Thousand Oaks: Sage Publications, 1997.

[6] James R. Lackritz Debra Olson Oltman. Statistics for business and economics. Number 311 / O-50. Pacific Grove: Brooks, 1990.

[7] Paul Newbold. Statistic for business and economics. Number 311 / N 52. Englewood Cliffs: Prentice Hall, 1984.

[8] Michael Kutner John Neter, William Wasserman. Applied linear statistical models : Regression, analysis of variance and experimental designs. Number 311 / N 46. Homewood: Irwin, 1985.

[9] Harold O. Kiess. Statistical concepts for the behavioral sciences. Number 311 / K 43. Boston: Allyn and Bacon, 1989.

[10] David Freedman. Statistical models : theory and practice. Number 311 / F 88. New York: Cambridge University Press, 2005.

[11] Николай Янев Боян Димитров. Вероятности и статистика. Number 51 / Д 579. София: Софтех, 2007.

[12] Kenneth M. Rosenberg. Statistics for behavioral sciences. Number 311 / R 79. Dubuque: Wm. C. Brown, 1990.

[13] Frank H. Dietrich James T. McClave. Statistics. Number 311 / M 44. San Francisco: Dellen Pub. Co., London : Collier Macmillan, 1988.

[14] Jr. Frank E. Harrell. Regression Modeling Strategies: With Applications to Linear Models, Logistic and Ordinal Regression, and Survival Analysis. Heidelberg et al.: Springer, 2015.

[15] Ronald J. Wonnacott Thomas H. Wonnacott. Introductory statistics for business and economics. Number 311 / 71789. New York: Wiley, 1990.

[16] Barbara M. Beaver William Mendenhall, Robert J. Beaver. Introduction to probability and statistics. Number 51 / M 55. Pacific Grove: Duxbury Press, 1999.

[17] Audrey Haber Richard P. Runyon. Business statistics. Number 311 / 71793. Homewood: R.D. Irwin, 1982.

[18] Robert D. Mason Douglas A. Lind. Basic statistics for business and economics. Number 311 / L 75. Burr Ridge: Irwin, 1994.

[19] Woolcott Smith Larry Gonick. The Cartoon Guide to Statistics. Harper Perennial, 1993.

[20] Paul Watters Sarah Boslaugh. Statistics in a Nutshell. O’Reilly Media, Inc., 2008.

[21] Kathy Chu. Elementary Statistics. Rice University, Houston, Texas, http://cnx.org/content/col10966/1.4/, 2013.

[22] Кр. Калинов. Статистически методи в поведенцеските и социални- те науки. NBU, 2013.