Cel kształcenia i wykaz literatury

Główny cel kształcenia: Zapoznanie studentów z sieciami Bayesa.

Ogólne informacje o zajęciach: Wykorzystanie metod komputerowych w analizie danych.

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	M. Scutari, J.-B. Denis	Bayesian Networks with Examples in R	Texts in Statistical Science, Chapman & Hall/CRC.	2021
2	R. Nagarajan, M. Scutari, S. Lèbre	Bayesian Networks in R with Applications in Systems Biology	Springer.	2013

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1

P. Biacek

Przewodnik po pakiecie R

GiS, Wrocław.

2017

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Ukończony kurs rachunku prawdopodobieństwa, algebry liniowej, statystyki i teorii grafów i sieci. Student spełnia wymagania określone w regulaminie studiów.

Wymagania wstępne w kategorii Wiedzy: Znajomość podstawowych pojęć rachunku prawdopodobieństwa, statystyki i teorii grafów.

Wymagania wstępne w kategorii Umiejętności: Umiejętność posługiwania się podstawowymi metodami rachunku prawdopodobieństwa, statystyki, rachunku macierzowego i teorii grafów. Podstawowa znajomość pakietu R.

Wymagania wstępne w kategorii Kompetencji społecznych: Student jest przygotowany do podjęcia merytorycznie uzasadnionych działań matematycznych w celu rozwiązania postawionego zadania.

Efekty kształcenia dla zajęć

MEK	Student, który zaliczył zajęcia	Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia	Metody weryfikacji każdego z wymienionych efektów kształcenia	Związki z KEK	Związki z PRK
01	Zna zasady estymacji za pomocą metod: najmniejszych kwadratów i największej wiarygodności oraz umie przeprowadzić proste wnioskowanie statystyczne używając tych metod.	Wykład, projekt	Zaliczenie, projekt	K_W01+ K_U06+ K_K05+	P6S_KO P6S_UW P6S_WG
02	Zna podstawy bayesowskich metod wnioskowania statystycznego i w prostych sytuacjach potrafi nimi prawidłowo się posługiwać.	Wykład, projekt	Zaliczenie, projekt	K_W04+ K_U06+	P6S_UW P6S_WG
03	Stosuje pakiet R do modelowania i rozwiązywania prostych problemów analizy statystycznej.	Projekt	Projekt	K_W04+ K_U05+	P6S_UW P6S_WG

Uwaga: W zależności od sytuacji epidemicznej, jeżeli nie będzie możliwości weryfikacji osiągniętych efektów uczenia się określonych w programie studiów w sposób stacjonarny w szczególności zaliczenia i egzaminy kończące określone zajęcia będą mogły się odbywać przy użyciu środków komunikacji elektronicznej (w sposób zdalny).

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
6	TK01	Powtórzenie wiadomości z rachunku prawdopodobieństwa i statystyki matematycznej.	W1-2, P1-15	MEK01 MEK02
6	TK02	Dyskretne sieci Bayesa. Warunkowa niezależność zdarzeń a graficzna d-separacja wierzchołków sieci. Reguła łańcucha, Pokrycia Markowa.	W3-4, P1-15	MEK01 MEK03
6	TK03	Metody bayesowskie: reguła Bayesa, rozkłady a priori i a posteriori, analiza Uczenie sieci Bayesa z danych: uczenie struktury, uczenie parametrów, ocena dopasowania sieci do danych. Przegląd algorytmów uczących.	W5-7, P1-15	MEK02 MEK03
6	TK04	Wnioskowanie, eliminacja zmiennych, moralizacja sieci, przekształcenie w sieć niezorientowaną, triangulacja sieci, graf klik, drzewo połączeń klik, przesyłanie informacji w drzewie połączeń klik.	W8-10, P1-15	MEK03
6	TK05	Sieci Bayesa o zmiennych losowych ciągłych, hybrydowe sieci Bayesa.	W11-12, P1-15	MEK01 MEK02 MEK03
6	TK06	Budowa sieci w oparciu o wiedzę ekspertów. Zastosowania sieci Bayesa.	W13-15, P1-15

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 6)		Godziny kontaktowe: 15.00 godz./sem.	Uzupełnienie/studiowanie notatek: 5.00 godz./sem.
Projekt/Seminarium (sem. 6)		Godziny kontaktowe: 15.00 godz./sem..	Wykonanie projektu/dokumentacji/raportu: 10.00 godz./sem.
Konsultacje (sem. 6)		Udział w konsultacjach: 1.00 godz./sem.
Zaliczenie (sem. 6)	Przygotowanie do zaliczenia: 5.00 godz./sem.	Inne: 1.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Na podstawie obecności.
Projekt/Seminarium	Ocena z projektu.
Ocena końcowa	Ocena z projektu.

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
(-)

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)

Inne
(-)

Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: tak

1	E. Özkan; D. Strzałka; A. Włoch; N. Yilmaz	On Doubled and Quadrupled Fibonacci Type Sequences	2024
2	P. Jaśkiewicz; B. Kozicki; A. Włoch; J. Zieliński	The Impact of the Covid-19 Pandemic and the War Between Russia and Ukraine on Electricity Prices in Selected European Countries in 2022 in Terms of Economic Security	2023
3	R. Grabowski; B. Kozicki; S. Mitkow; A. Włoch	Impact of Covid-19 Pandemic on Economic Security - Multidimensional Analysis of Real Estate Market Across Poland	2022
4	U. Bednarz; A. Włoch; M. Wołowiec-Musiał	New Types of Distance Padovan Sequences via Decomposition Technique	2022
5	B. Datsko; A. Kunynets; M. Kutniv; A. Włoch	New explicit high‐order one‐step methods for singular initial value problems	2021
6	D. Bród; A. Włoch	(2,k)-Distance Fibonacci Polynomials	2021
7	D. Strzałka; A. Włoch; S. Wolski	Distance Fibonacci Polynomials by Graph Methods	2021
8	E. Özkan; A. Włoch; N. Yilmaz	On F3(k,n)-numbers of the Fibonacci type	2021
9	A. Włoch; I. Włoch	On some multinomial sums related to the Fibonacci type numbers	2020
10	B. Datsko; A. Kunynets; M. Kutniv; A. Włoch	A new approach to constructing of explicit one-step methods of high order for singular initial value problems for nonlinear ordinary differential equations	2020
11	B. Datsko; M. Kutniv; A. Włoch	Mathematical modelling of pattern formation in activator–inhibitor reaction–diffusion systems with anomalous diffusion	2020
12	H. Czyż; T. Jasiński; A. Włoch	A Statistical Method for Calculating the Velocity of Acoustic Waves in Extreme Conditions	2019
13	H. Czyż; T. Jasiński; A. Włoch	Separation of Cells from Plasma by Means of Ultrasonics	2019
14	H. Czyż; T. Jasiński; A. Włoch	The Application of the Special Functions to Solving Physical Problems	2019