Cvičení předmětu 11MAMY probíhají v tomto semestru distančně s pravidelnými termíny konzultací a případnými ad-hoc konzultacemi na přání.
Předpokládám, že uživatelsky ovládáte nějaký vyšší programovací jazyk, ovládáte penzum znalostí obsažené v předmětu 14AS, respektive že jste prošli cvičeními 11SIS a programovali ve Scilabu/Matlabu. Ve cvičeních budeme používat Matlab a jeho toolboxy. Matlab si během prvního týdne nastudujete sami. V případě zájmu můžete používat Python/NumPy/SciPy/Pandas/Statsmodels, ve škole je ale implicitně nainstalované nemáme.
Nedílnou součástí cvičení je skupinová práce nad zvoleným problémem z oblasti matematického modelování respektive ITS. V tomto semestru se budeme věnovat modelování dopravního toku na dálničním úseku, odhadu skutečné polohy vozidla na základě zašumněných údajů z GPS a dalším problémům: Ve dvou až tříčlených skupinách zpracujete vybranou (či přidělenou) úlohu, s dopomocí implementujete popsanou metodu a metodu ověříte na nějakých naměřených či syntetických datech.
Program cvičení předmětu je tento:
Blok | Náplň |
---|---|
1. 17.3.2021 |
Úvod do Matlabu. Stránky Dr. Fábery s obsahem cvičení předmětu 14UPRO, jenž pokrývá penzum nutné pro úspěšné absolvování předmětu, bývaly k dispozici všem zde, z nějakého důvodu nyní vyžadují heslo ... Stránky kolegy Jeřábka s obsahem předmětu 14AS/14ASD jsou zde. Pokud i po prostudování pokynů tápete, jak na Matlab, zkuste
PDF s pokyny k samostatné práci |
2. 18.3.2021 |
Konzultace. Prostor pro konzultace k použití Matlab Graderu, Matlabu a jeho instalaci. Možnost probrat i dotazy k programování v Matlabu či k zadáním v Matlab Graderu pro první cvičení. |
3. 23.3.2021 |
Na začátku bloku proběhne test znalostí z oblasti 11LA, 11CAL, 11STS. Lineární algebra v Matlabu. Práce na individuálních zadáních z oblasti lineární algebry: Vektorové prostory, řešení soustav rovnic, výpočty determinantu, vlastní čísla, jednoduché zpracování dat, grafické výstupy. PDF s pokyny k samostatné práci |
4. 24.3.2021 |
Základní zpracování dat v Matlabu. Konzultace. Úvod do práce s daty v Matlabu. Shrnutí, prostor pro dotazy. PDF s pokyny k samostatné práci |
5. 25.3.2021 |
Filtrace dat. Kalmanův filtr. |
6. 30.3.2021 |
Diferenciální rovnice jako model dynamického systému Model dynamického systému pomocí obyčejné diferenciální rovnice či parciální diferenciální rovnice. Numerické řešení ODR v Matlabu. TODO |
7. 31.3.2021 |
Úvod do statistického zpracování dat. Slajdy s úkoly: [PDF] |
8. 1.4.2021 |
Statistické zpracování dat. PDF s orientačním obsahem cvičení. Ke stažení: Archiv kódu pro 5. cvičení (Matlab, Python) Matlab Grader: 11MAMY / Matematické metody pro ITS / Stastistické zpracování dat ... (není zatím k dispozici) |
9. 6.4.2021 |
Lineární regrese. PDF s orientačním obsahem cvičení. Ke stažení: Archiv kódu pro 6. cvičení Matlab Grader: 11MAMY / Matematické metody pro ITS / Lineární regrese ... (není zatím k dispozici) |
10. 7.4.2021 |
Klasifikace. |
11. |
Křížová validace. Regularizace. PDF s orientačním obsahem cvičení. Ke stažení: Archiv dat pro 8. cvičení Archiv kódu pro 8. cvičení |
12. 13.4.2021 |
Analýza hlavních komponent. Shlukování PCA, k-means a hierarchické shluky. |
- 14.4.2021 |
Kariérní den FD |
13. 15.4.2021 |
Jednokriteriální optimalizace. Lineární a konvexní programování v CVX. Vyžaduje instalaci CVX do uživatelského adresáře, instalace je ke stažení ze stránek CVX Research zde. Celý proces instalace je popsán v instalační dokumentaci CVX. Matlab Grader: 11MAMY / Matematické metody pro ITS / Optimalizace ... (není zatím k dispozici) |
Poznámky k práci v Pythonu:
- Pracujeme v Pythonu verze 3.7.x
- Můj osobní preferovaný editor je PyCharm, lze si jej stáhnout ze stránek JetBrains v plné verzi a zaregistrovat jako student ČVUT (více po přihlášení na download.cvut.cz).
- Pro práci s daty je potřeba minimálně NumPy, SciPy, Matplotlib a ideálně i Pandas, Statsmodels a případně Jupyter. Vše lze stáhnout (například z archivu Christophera Gohlke) a doinstalovat pomocí příkazu pip. Alternativně lze použít distribuci Anaconda (jak spojit Anacondu a PyCharm jde vygooglit, osobně jsem to nikdy nedělal a ani to dělat nechci).
- Hezký český úvod do práce s daty v Pythonu je třeba tahle diplomka pana Šenovského z VUT.
- Úvod do Pythonu a vše potřebné ostatní jde vygooglit taky, zaujalo mne:
- český výukový server o Pythonu www.python.cz, informace o Pythonu v češtině na www.py.cz
- rychlý úvod do NumPy pro verzi 0.14 (anglicky, v češtině asi nic nemáme)
- a ještě jeden anglický rychloúvod do NumPy spolu se základy Pythonu
- SciPy?
- Něco o Pandas je česky k dispozici tady (viz taky Google "python pandas česky")
- Anglický úvod do Statsmodels je dostupný přímo jako Jupyter notebook z domovské stránky.
- Úkoly a příklady z ISLR zpracované v Pythonu lze opět vygooglit ("islr python"), spousta příkladů je na GitHubu, ještě jsem je ale neprošel, abych zjistil, zda jde o jeden a ten samý projekt xkrát naklonovaný nebo jak to je.