Týden #2-#4: R basics (ZM 1, G 3-5)
\r\nTýden #5-6: Loading data, cleaning data, sampling (ZM 2-4)
\r\nTýden #7: Model evaluation (ZM 5)
\r\nTýden #8-#9: Memorization methods (ZM 6)
\r\nTýden #10-#12: Advanced regression methods (linear, logistic, GAMs, LASSO, ridge) (ZM 7, T4-5)
","inLanguage":"cs"},{"@type":"Syllabus","text":"\r\nSemester structure:
\r\nWeek #1: Course information + Introduction to Data Science
\r\nWeek #2-#4: R basics (ZM 1, G 3-5)
\r\nWeek #5-6: Loading data, cleaning data, sampling (ZM 2-4)
\r\nWeek #7: Model evaluation (ZM 5)
\r\nWeek #8-#9: Memorization methods (ZM 6)
\r\nWeek #10-#12: Advanced regression methods (linear, logistic, GAMs, LASSO, ridge) (ZM 7, T4-5)
\r\nStruktura výuky:
Týden #1: Course information + Introduction to Data Science Týden #2-#4: R basics (ZM 1, G 3-5)
Týden #5-6: Loading data, cleaning data, sampling (ZM 2-4)
Týden #7: Model evaluation (ZM 5)
Týden #8-#9: Memorization methods (ZM 6)
Týden #10-#12: Advanced regression methods (linear, logistic, GAMs, LASSO, ridge) (ZM 7, T4-5)
Úvodní kurz pro Data Science se zaměřením na programovací prostředí R. Předmět uvádí do základního prakrického programování v prostředí R, zahrnující hodnocení modelů, memorizační metody, pokročilé regresní techniky a snižování rozptylu tréninkových vzorků.
Na předmět Data Science with R I bude v letním semestru navazovat předmět Data Science with R II se zaměřením na shlukování, SVM, neurální sítě a obecnější síťové metody.