Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov, pri mierne pokročilých dôraz na čítanie odborných textov a prezentáciu odborných príspevkov; práca s odbornými slovníkmi, využívanie francúzskych internetových stránok.
Capelle Guy, Menand Robert: Le Nouveau taxi 1, Hachette FLE Paris, France 2009, ISBN 978-2-01-155548 - 9
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Predmet sa vyučuje v dvoch úrovniach obtiažnosti: začiatočník a mierne pokročilý. Študent si sám volí úroveň podľa toho, či chce získať základy nového cudzieho jazyka alebo udržať a prehĺbiť už existujúcu znalosť francúzštiny.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov, pri mierne pokročilých dôraz na čítanie odborných textov a prezentáciu odborných príspevkov; práca s odbornými slovníkmi, využívanie francúzskych internetových stránok.
Capelle Guy, Menand Robert: Le Nouveau taxi 1, Hachette FLE Paris, France 2009, ISBN 978-2-01-155548 - 9
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Predmet sa vyučuje v dvoch úrovniach obtiažnosti: začiatočník a mierne pokročilý a svojím obsahom nadväzuje na predmet Francúzsky jazyk 1.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
Študijné materiály poskytuje vyučujúci v závislosti od jazykovej úrovne skupiny.
test
test, zadania (domáce úlohy)
Podmienky absolvovania predmetu
hthttps://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
slovenský, nemecký
Predmet sa vyučuje v troch stupňoch náročnosti: začiatočník, mierne pokročilý, pokročilý. Študent si sám volí úroveň podľa toho, či chce získať základy nového cudzieho jazyka, alebo udržať a zvýšiť už existujúcu znalosť nemčiny.
Cieľom kurzu je vládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
https://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
100/0
Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
Študijné materiály poskytuje vyučujúci v závislosti od jazykovej úrovne skupiny.
test
test, zadania (domáce úlohy)
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
slovenský, nemecký
Predmet sa vyučuje v troch stupňoch náročnosti: začiatočník, mierne pokročilý, pokročilý. Študent si sám volí úroveň podľa toho, či chce získať základy nového cudzieho jazyka, alebo udržať a zvýšiť už existujúcu znalosť nemčiny.
Cieľom kurzu je zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
https://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
100/0
Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
Zvládnuť základy všeobecného ruského jazyka. Kurz ponúka základy jazyka na úrovni A1. Ovládnutie azbuky, získanie lexikálno-gramatického a konverzačného "optima", pohotovosti pri čítaní autentických ruských textov a stratégií práce s neznámymi slovami, schopnosti chápať jednoduché texty bez slovníka.
Učebnica: Точка Ру A1 (Ольга Долматова, Екатерина Новачац), рracovné karty Падежи 1 (Л.С. Безкоровайная, В.Е. Штыленко).
test
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Zvládnuť základy všeobecného ruského jazyka. Kurz ponúka základy jazyka na úrovni A1. Ovládnutie azbuky, získanie lexikálno-gramatického a konverzačného "optima", pohotovosti pri čítaní autentických ruských textov a stratégií práce s neznámymi slovami, schopnosti chápať jednoduché texty bez slovníka.
Obsahom predmetu je ruština pre začiatočníkov.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Základná komunikácia v ruštine, rozvíjanie ostatných jazykových zručností ruského jazyka- počúvanie s porozumením, čítanie a písanie.
Zvládnuť základy všeobecného ruského jazyka. Ovládnutie azbuky, získanie lexikálno-gramatického a konverzačného "optima", pohotovosti pri čítaní autentických ruských textov a stratégií práce s neznámymi slovami, schopnosti chápať jednoduché texty bez slovníka.
Učebnica: Точка Ру A1 (Ольга Долматова, Екатерина Новачац), рracovné karty Падежи 1 (Л.С. Безкоровайная, В.Е. Штыленко).
Absolvovanie predmetu Ruský jazyk (1)
test
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Zvládnuť základy všeobecného ruského jazyka. Ovládnutie azbuky, získanie lexikálno-gramatického a konverzačného "optima", pohotovosti pri čítaní autentických ruských textov a stratégií práce s neznámymi slovami, schopnosti chápať jednoduché texty bez slovníka.
Obsahom predmetu je ruština pre začiatočíkov a predmet tématicky nadväzuje na Ruský jazyk 1.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Základná komunikácia v ruštine, rozvíjanie ostatných jazykových zručností ruského jazyka- počúvanie s porozumením, čítanie a písanie.
Krížom-Krážom Slovenčina 1, doplňujúce materiály vypracované vyučujúcim podľa potreby účastníkov kurzu.
testy
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Náplňou predmetu je osvojenie základov slovenského jazyka. Jazyková úroveň kurzu zodpovedá stupňu A1 (Začiatočníci).
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/mgr-aneta-barnes/slovensky-jazyk-pre-zahranicnych-studentov/
100/0
Kurz je zameraný pre zahraničných študentov na osvojenie základov slovenského jazyka s dôrazom na základnú komunikáciu v slovenčine ako aj rozvíjanie ostatných jazykových zručností slovenského jazyka- počúvanie s porozumením, čítanie a písanie.
Krížom-Krážom Slovenčina 1, doplňujúce materiály vypracované vyučujúcim podľa potreby účastníkov kurzu.
testy
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Náplňou predmetu je osvojenie základov slovenského jazyka. Jazyková úroveň kurzu zodpovedá stupňu A1 (začiatočníci).
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/mgr-aneta-barnes/slovensky-jazyk-pre-zahranicnych-studentov/
100/0
Kurz je zameraný pre zahraničných študentov na osvojenie základov slovenského jazyka s dôrazom na základnú komunikáciu v slovenčine ako aj rozvíjanie ostatných jazykových zručností slovenského jazyka- počúvanie s porozumením, čítanie a písanie.
Zdokonalenie jazykových zručností, zameraných hlavne na hovorenie, počúvanie ako aj písomný prejav. Dôraz sa kladie na diskurzné prvky, lexikálny a tematický materiál, rozšírenie komunikatívnej a odbornej slovnej zásoby relevantnej pre absolventov vysokej školy. Kurz je doplnkom ku kurzom odborného jazyka.
Študijné materiály poskytuje vyučujúci v závislosti od jazykovej úrovne jednotlivých skupín.(populárno –vedné príspevky - zdroj- The Guardian, The Herald Morning Sun. The Nine News, The West Australian, BBC News and podcasts, CNN podcasts).
1-MXX-232 Anglický jazyk (4)
testy, prezentácie, eseje
testy, prezentácie, eseje
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Náplňou predmetu je všeobecná angličtina. Jazyková úroveň kurzu zodpovedá stupňu B2/C1 (Upper-Intermediate/Lower Advanced).
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/mgr-aneta-barnes/konverzacny-kurz-aj/
100/0
Zdokonalenie jazykových zručností, zameraných hlavne na hovorenie, počúvanie ako aj písomný prejav. Dôraz sa kladie na diskurzné prvky, lexikálny a tematický materiál, rozšírenie komunikatívnej a odbornej slovnej zásoby relevantnej pre absolventov vysokej školy. Kurz je doplnkom ku kurzom odborného jazyka.
test
Zdokonalenie jazykových zručností, zameraných hlavne na hovorenie, počúvanie ako aj písomný prejav. Dôraz sa kladie na diskurzné prvky, lexikálny a tematický materiál, rozšírenie komunikatívnej a odbornej slovnej zásoby relevantnej pre absolventov vysokej školy. Kurz je doplnkom ku kurzom odborného jazyka.
Študijné materiály poskytuje vyučujúci v závislosti od jazykovej úrovne jednotlivých skupín.(populárno –vedné príspevky - zdroj- The Guardian, The Herald Morning Sun. The Nine News, The West Australian, BBC News and podcasts, CNN podcasts).
1-MXX-232 Anglický jazyk (4)
testy, prezentácie, eseje
testy, prezentácie, eseje
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Náplňou predmetu je všeobecná angličtina. Jazyková úroveň kurzu zodpovedá stupňu B2/C1 (Upper-Intermediate/Lower Advanced).
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/mgr-aneta-barnes/konverzacny-kurz-aj/
100/0
Zdokonalenie jazykových zručností, zameraných hlavne na hovorenie, počúvanie ako aj písomný prejav. Dôraz sa kladie na diskurzné prvky, lexikálny a tematický materiál, rozšírenie komunikatívnej a odbornej slovnej zásoby relevantnej pre absolventov vysokej školy. Kurz je doplnkom ku kurzom odborného jazyka.
test
Zdokonalenie všeobecného jazyka, prehĺbenie odbornej terminológie, čítanie odborných textov, prezentácia odborných, populárno-vedných príspevkov.
Capelle Guy, Menand Robert: Le Nouveau taxi 1, Hachette FLE Paris, France 2009, ISBN 978-2-01-155548 - 9
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Obsahom predmetu je francúzština pre mierne pokročilých. Okrem všeobecného jazyka predmet poskytuje študentovi aj skúsenosť s odbornou francúzštinou.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Zdokonalenie všeobecného jazyka, prehĺbenie odbornej terminológie, čítanie odborných textov, prezentácia odborných, populárno-vedných príspevkov.
Menand Robert: Le Nouveau taxi 2, Hachette FLE, Paris, France 2009, ISBN 978-2-01-155551 - 9
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Obsahom predmetu je francúzština pre mierne pokročilých a kurz tématicky nadväzuje na predmet Francúzsky jazyk 3. Okrem všeobecného jazyka obsahuje aj úvod do odbornej francúzštiny.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Prehĺbenie vedomostí z oblasti všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
Študijné materiály poskytuje vyučujúci v závislosti od jazykovej úrovne skupiny.
test
test, zadania (domáce úlohy)
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
slovenský, nemecký
Predmet sa vyučuje v dvoch úrovniach náročnosti: mierne pokročilý a pokročilý, a svojím obsahom nadväzuje na predmety Nemecký jazyk 1 a Nemecký jazyk 2
Cieľom je prehĺbenie vedomostí z oblasti všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
https://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
100/0
Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
Prehĺbenie vedomostí z oblasti všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov).
Študijné materiály poskytuje vyučujúci v závislosti od jazykovej úrovne skupiny.
test
test, zadania (domáce úlohy)
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
slovenský, nemecký
Predmet sa vyučuje v dvoch úrovniach obtiažnosti: mierne pokročilý a pokročilý, a svojím obsahom nadväzuje na predmety Nemecký jazyk 1 - 3.
Cieľom je prehĺbenie vedomostí z oblasti všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov).
https://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
100/0
Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
Ovládnutie písaného písma, ďalší rozvoj jazykových návykov a zručností, oboznámenie sa s ruskou kultúrou, históriou a reáliami, ďalšie prehlbovanie znalosti gramatiky a lexiky.
Точка Ру A2 (Ольга Долматова, Екатерина Новачац) a Short Stories in Russian (Olly Richards, Alex Rowlings)
Absolvovanie predmetov R (1) a R (2), prípadne dvoch až štyroch rokov výučby ruštiny pre začiatočníkov v iných kurzoch
test
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Ovládnutie písaného písma, ďalší rozvoj jazykových návykov a zručností, oboznámenie sa s ruskou kultúrou, históriou a reáliami, ďalšie prehlbovanie znalosti gramatiky a lexiky.
Predmet "Ruština pre mierne pokročilých" nadväzuje na kurz "Ruština pre začiatočníkov". Náplňou predmetu je všeobecná ruština v rozsahu primeranom danému stupňu znalosti ruštiny.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Základná komunikácia v ruštine, rozvíjanie ostatných jazykových zručností ruského jazyka- počúvanie s porozumením, čítanie a písanie.
Ovládnutie písaného písma, ďalší rozvoj jazykových návykov a zručností, oboznámenie sa s ruskou kultúrou, históriou a reáliami, ďalšie prehlbovanie znalosti gramatiky a lexiky.
Точка Ру A2 (Ольга Долматова, Екатерина Новачац) a Short Stories in Russian (Olly Richards, Alex Rowlings)
Absolvovanie predmetov R (1) , R (2) a R (3), prípadne dvoch až štyroch rokov výučby ruštiny pre začiatočníkov v iných kurzoch.
test
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Ovládnutie písaného písma, ďalší rozvoj jazykových návykov a zručností, oboznámenie sa s ruskou kultúrou, históriou a reáliami, ďalšie prehlbovanie znalosti gramatiky a lexiky.
Predmet "Ruština pre mierne pokročilých" nadväzuje na kurz "Ruština pre začiatočníkov". Náplňou predmetu je všeobecná ruština v rozsahu primeranom danému stupňu znalosti ruštiny.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Ovládnutie písaného písma, ďalší rozvoj jazykových návykov a zručností, oboznámenie sa s ruskou kultúrou, históriou a reáliami, ďalšie prehlbovanie znalosti gramatiky a lexiky.
Krížom-Krážom Slovenčina 2, doplňujúce materiály vypracované vyučujúcim podľa potreby účastníkov kurzu.
testy
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Kurz nadväzuje na Kurz slovenského jazyka (2). Náplňou predmetu je pokračovanie osvojenia základov slovenského jazyka. Jazyková úroveň kurzu zodpovedá stupňu A 2 (mierne pokročilí).
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/mgr-aneta-barnes/slovensky-jazyk-pre-zahranicnych-studentov/
100/0
Kurz je zameraný pre zahraničných študentov na kontinuálne osvojovanie základov slovenského jazyka s dôrazom na rozvíjanie všetkých jazykových zručností slovenského jazyka- počúvanie s porozumením, čítanie, písanie a hovorenie.
Krížom-Krážom Slovenčina 2, doplňujúce materiály vypracované vyučujúcim podľa potreby účastníkov kurzu.
testy
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Kurz nadväzuje na Kurz slovenského jazyka (3). Náplňou predmetu je pokračovanie osvojenia základov slovenského jazyka. Jazyková úroveň kurzu zodpovedá stupňu A 2 (mierne pokročilí).
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/mgr-aneta-barnes/slovensky-jazyk-pre-zahranicnych-studentov/
100/0
Kurz je zameraný pre zahraničných študentov na kontinuálne osvojovanie základov slovenského jazyka s dôrazom na rozvíjanie všetkých jazykových zručností slovenského jazyka- počúvanie s porozumením, čítanie, písanie a hovorenie.
Oboznámiť študentov s teóriou, metódami a aplikáciami konvexnej optimalizácie
M. Trnovská: Konvexná optimalizácia, elektronický text.
Boyd, Vandenberghe: Convex Optimization, Cambridge Univ.Press 2004
CVX: Matlab Software for Disciplined Convex Programming www.stanford.edu/~boyd/cvxbook
Ben-Tal, Nemirovski: Lectures on Modern Convex Optimization, SIAM 2001
Nelinearne programovanie, Linearne programovanie
domáce úlohy, písomka
Priebežné hodnotenie: domáce úlohy (20%), písomky (30%)
Záverečné hodnotenie: semestrálny projekt (20%) skúškový test (30%)
Orientačná stupnica hodnotenia: A 91%, B 81%, C 71%, D 61%, E 51%
slovenský, anglický
Úlohy konvexného porgramovania v štandardnom tvare
(konvexná analýza funkcií, dualita pre štandardné úlohy, KKT podmienky optimality)
Zovšeobecnenie konvexných úloh
(Pojem konvexného kužeľa, Kónické lineárne programovanie, Maskovanie štandardných úloh do kónického tvaru)
Kónické konvexné úlohy
(Základné triedy kónických úloh a vzťahy medzi nimi, kónicky reprezentovateľné funkcie)
Geometria konvexných kužeľov
(Pojem vlastného kužeľla, vlastnosti , duálne a samoduálne kužele)
Teória duality pre lineárne kónické úlohy
(Odvodenie duálnej úlohy, Zovšeobecnená farkasova lema, slabá a silná dualita, podmienky optimality)
Aplikácie kónického programovania
(Optimalizácia portfólia, optimálny návrh experimentov, úloha minimálnej plochy, lineárna a kvadratická diskriminácia)
Kónické relaxácie
(Relaxácia nekonvexných kvadratických úloh, úloha maximálneho rezu)
Úlohy konvexného porgramovania v štandardnom tvare
Zovšeobecnenie konvexných úloh
Kónické konvexné úlohy (SDP, SOCP)
Geometria konvexných kužeľov
Teória duality pre lineárne kónické úlohy
Aplikácie kónického programovania
Kónické relaxácie
Nelineárne kónické úlohy (max-det)
Metódy vnútorného bodu
50% /50%
Po absolvovaní predmetu budú študenti vedieť základy konvexnej analýzy, poznať teóriu Lagrageovej duality a podmienok optimality pre konvexné úlohy, poznať rôzne oblasti z praxe, v ktoých možno nájsť aplikácie konvexnej optimalizácie, oboznámia sa s modernými triedami konvexnej optimalizácie - tzv. lineárnymi kónickými úlohami, a s teóriou duality kónického lineárneho programovania. Budú vedieť riešit niektoré praktické problémy a budú vedieť používať modelovací systém CVX (cvxopt), budú poznať myšlienku, teoretické a praktické aspekty metód vnútorného bodu.
Projekt
Daniel Schneller, Udo Schwedt, MySQL Admin Cookbook, Packt Publishing Ltd. 2010
https://goalkicker.com/MySQLBook/MySQLNotesForProfessionals.pdf
Graeme Simsion, Graham Witt, Data Modeling Essentials, Elsevier 2004, ISBN: 9780080488677
Priebežné hodnotenie: aktívna práca na cvičeniach
Skúška: ústna / semestrálny projekt
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Úvod do databáz, databázové technológie, databázové modely
Relačný model databáz
Jazyk SQL
Relačné databázy
Užívateľské práva v SQL
Databázové API
Rozhrania pre prácu z databázamy (web interface, CLI, GUI )
Programovanie s SQL (implementácia v R, Matlab, Python, C++)
Váha priebežného / záverečného hodnotenia: 20/80
Absolvovaním kurzu získa študent schopnosti pracovať z databázami vrátane návrhu databázového modelu, vytvorenie v bežných SQL databázach, a programovania užívateľského rozhrania v python, R, C++, Matlab
Modern Actuarial Risk Theory Using R / Rob Kaas, Marc Goovaerts, Jan Dhaene, Michel Denuit. Heidelberg : Springer, 2008, ISBN: 978-3-540-70998-5;
Jazyk R v aktuárskych analýzach / Michal Páleš. Bratislava : Vydavateľstvo EKONÓM, 2017, ISBN 978-80-225-4331-6;
Jazyk R pre aktuárov / Michal Páleš. Bratislava : Vydavateľstvo EKONÓM, 2019, ISBN 978-80-225-4331-6;
Interné školiace materiály spoločnosti Zurich.
Za semester, v rámci priebežného hodnotenia, môže študent získať 100 % bodov, a to za vypracovanie a zaslanie individuálnych zadaní z oblasti životného poistenia (50 %) a vypracovanie a zaslanie úloh z neživotného poistenia (50 %).
Stupnica hodnotenia: A: aspoň 90,00 %; B: 89,99 % – 80,00 %; C: 79,99 % – 70,00 %; D: 69,99 % – 60,00 %; E: 59,99 % – 50,00 %; Fx: 49,99 % – 0,00 %.
slovenský, anglický
Obmedzenie na počet študentov: maximálne 18 študentov.
Odporúča sa poznať základy práce so softvérom R. Na seminároch sa prezentujú kvantitatívne techniky využívané aktuármi a pracuje sa s reálnymi dátovými súbormi z oblasti životného i neživotného poistenia.
Aktuárske modely v životnom poistení. Modelovanie vývoja poistnej zmluvy z pohľadu klienta. Vývoj počtu poistných zmlúv so zavedením očakávanej pravdepodobnosti úmrtia a storna. Vývoj matematickej rezervy celého portfólia. Modelovanie vývoja budúcich ziskov priamou a nepriamou metódou. Modelovanie súčasnej hodnoty finančných ukazovateľov. Vplyv zmeny predpokladov na hospodársky výsledok poisťovne. Príprava dát na modelovanie využívaním jazyka R. Aplikácie zovšeobecnených lineárnych modelov (GLM) v neživotnom poistení, prezentácia výsledkov využitím R Shiny. Riadenie portfólia v poisťovni využitím pomerových ukazovateľov a vzťahy medzi nimi.
Priebežné hodnotenie 100 % / záverečná skúška 0 %.
Študent po absolvovaní predmetu by mal ovládať základné metódy práce v životnom a neživotnom poistení v medzinárodnej poisťovni so zameraním na metódy projekcie finančných tokov, výpočet poistného a finančných indikátorov.
Poisťovníctvo / Anna Majtánová a kolektív. Bratislava : Wolters Kluwer (Iura Edition), 2009;
vlastné učebné texty, školiace materiály a pracovné súbory vyučujúceho.
Za semester, v rámci priebežného hodnotenia, môže študent získať 100 % bodov, a to za aktívnu účasť na seminároch (80 %), riešenie úloh počas seminárov (20 %), a prípadne aj za náhradnú (doplnkovú) samostatnú prácu.
Stupnica hodnotenia: A: 100,00 % – 90,00 %; B: 89,99 % – 80,00 %; C: 79,99 % – 70,00 %; D: 69,99 % – 60,00 %; E: 59,99 % – 50,00 %; Fx: 49,99 % – 0,00 %.
slovenský, anglický
Základné odvetvia finančníctva a poisťovníctva. Banky a poisťovne – akciové spoločnosti a ich právne pozadie.
Úlohy analytikov, rizikových manažérov a aktuárov v bankách, poisťovniach resp. ostatných finančných inštitúciách. Medzinárodná odborná kvalifikácia aktuárov, etapy kariéry aktuára. Profesia aktuára na Slovensku a vo svete.
Profesionálne softvéri používané vo finančnej a poistnej praxi.
Priebežné hodnotenie 100 % / záverečná skúška 0 %.
Študent po absolvovaní predmetu by mal poznať základy práce v bankovej, finančnej či poistnej sfére. Tiež by sa mal dozvedieť podrobnosti o úlohách aktuára, rizikového manažéra, finančného analytika a poistného matematika.
Poisťovníctvo / Anna Majtánová a kolektív. Bratislava : Wolters Kluwer (Iura Edition), 2009;
vlastné učebné texty, školiace materiály a pracovné súbory vyučujúceho.
Za semester, v rámci priebežného hodnotenia, môže študent získať 100 % bodov, a to za aktívnu účasť na seminároch (80 %), riešenie úloh počas seminárov (20 %), a prípadne aj za náhradnú (doplnkovú) samostatnú prácu.
Stupnica hodnotenia: A: 100,00 % – 90,00 %; B: 89,99 % – 80,00 %; C: 79,99 % – 70,00 %; D: 69,99 % – 60,00 %; E: 59,99 % – 50,00 %; Fx: 49,99 % – 0,00 %.
slovenský, anglický
Základné odvetvia finančníctva a poisťovníctva. Tvorba aktuárskych modelov v životnom a neživotnom poistení. Finančné modelovanie v oblasti bankovníctva.
Úlohy analytikov, rizikových manažérov a aktuárov v bankách, poisťovniach resp. ostatných finančných inštitúciách. Odborné požiadavky kladené voči finančným analytikom, rizikovým manažérom a aktuárom.
Profesionálne softvéri používané vo finančnej a poistnej praxi.
Priebežné hodnotenie 100 % / záverečná skúška 0 %.
Študent po absolvovaní predmetu by mal poznať základy práce v bankovej, finančnej či poistnej sfére. Tiež by sa mal dozvedieť podrobnosti o úlohách aktuára, rizikového manažéra, finančného analytika a poistného matematika.
KOLACZYK, Eric D.; CSÁRDI, Gábor. Statistical analysis of network data with R. New York: Springer, 2014.
LUKE, Douglas A. A user's guide to network analysis in R. London, England: Springer, 2015.
Články z časopisov
Základy jazyka R
Priebežné hodnotenie: domáce úlohy (20%), projekt (80%).
Známkovanie: A: 90 a viac, B: [80, 90), C: [70, 80), D: [60, 70), E: [50, 60), FX: menej ako 50
slovenský, anglický
Základné pojmy z teórie grafov, príklady grafov/sietí, ich vizualizácia. Centralita vrcholov - klasické miery centrality (stupeň, blízkosť, medzipoloha, centralita vlastného vektora), ukážka nových mier centrality, aplikácie. Hľadanie komunít v sieti - pojem modularity, optimalizácia modularity, vybrané ďalšie metódy, aplikácie. Siete založené na koreláciách časových radov. Náhodné siete a ich základné vlastnosti.
100/0
Študenti získajú prehľad o rôznych metódach používaných pri analýze sociálnych sietí. Budú ich vedieť aplikovať na reálne dáta použitím softvéru R.
Modely v životnom a neživotnom poistení / Rastislav Potocký. Bratislava : Statis, 2012;
Riziko ve financích a pojišťovnictví: Basel III a Solvency II / Tomáš Cipra. Praha : Ekopress, 2015, ISBN 978-80-87865-24-8;
Poistná matematika / Viera Sekerová, Mária Bilíková, Bratislava : Ekonóm, 2005;
Aktuárska matematika – životné poistenie / Jana Špirková, Marta Urbaníková. Bratislava : Iura Edition, 2012, ISBN 978-80-8078-514-7;
Aplikovaná poistná štatistika / Viera Pacáková. Bratislava : Iura Edition, 2004;
Modern Actuarial Risk Theory Using R / Rob Kaas, Marc Goovaerts, Jan Dhaene, Michel Denuit. Second Edition, Heidelberg : Springer-Verlag, 2008;
vlastné učebné texty, školiace materiály a pracovné súbory vyučujúceho.
Hodnotenie predmetu je založené iba na záverečnej skúške (s váhou 100 %), ktorá má písomnú formu, a aj možnú (doplňujúcu) ústnu časť.
Stupnica hodnotenia: A: aspoň 90,00 %; B: 89,99 % – 80,00 %; C: 79,99 % – 70,00 %; D: 69,99 % – 60,00 %; E: 59,99 % – 50,00 %; Fx: 49,99 % – 0,00 %.
slovenský, anglický
Model kolektívneho rizika v neživotnom poistení. Základy matematického modelovania v životnom a neživotnom poistení, techniky tvorby aktuárskych modelov. Spoluúčasť a zaistenie – rôzne formy. Odhadovanie výšky technických rezerv v neživotnom poistení, deterministické a stochastické trojuholníkové schémy. Stochastický model životného poistenia. Výnosové krivky a ich aplikácie v poisťovníctve. Štandard finančného výkazníctva IFRS 17 a jeho vplyv na poistno-matematické výpočty poisťovne.
Priebežné hodnotenie 0 % / záverečná skúška 100 %.
Po absolvovaní predmetu študent bude ovládať techniky matematického modelovania v životnom a neživotnom poistení. Bude schopný riešiť úlohy o stanovení výšky poistného, odhadovaní rizikových prirážok a oceňovaní výšky technických rezervy. Oboznámi sa aj s formami spoluúčasti a zaistenia a tvorbou aktuárskych modelov.
Modely v životnom a neživotnom poistení / Rastislav Potocký. Bratislava : Statis, 2012;
Riziko ve financích a pojišťovnictví: Basel III a Solvency II / Tomáš Cipra. Praha : Ekopress, 2015, ISBN 978-80-87865-24-8;
Poistná matematika / Viera Sekerová, Mária Bilíková, Bratislava : Ekonóm, 2005;
Aktuárska matematika – životné poistenie / Jana Špirková, Marta Urbaníková. Bratislava : Iura Edition, 2012, ISBN 978-80-8078-514-7;
Aplikovaná poistná štatistika / Viera Pacáková. Bratislava : Iura Edition, 2004;
Modern Actuarial Risk Theory Using R / Rob Kaas, Marc Goovaerts, Jan Dhaene, Michel Denuit. Second Edition, Heidelberg : Springer-Verlag, 2008;
vlastné učebné texty, školiace materiály a pracovné súbory vyučujúceho.
2-EFM-201 Poisťovníctvo
Za semester, v rámci priebežného hodnotenia, môže študent získať 100 % bodov po napísaní jednej semestrálnej písomky, ktorá sa zvyčajne píše počas posledných dvoch týždňov výučbovej časti semestra.
Stupnica hodnotenia: A: aspoň 90,00 %; B: 89,99 % – 80,00 %; C: 79,99 % – 70,00 %; D: 69,99 % – 60,00 %; E: 59,99 % – 50,00 %; Fx: 49,99 % – 0,00 %.
slovenský, anglický
Základy matematického modelovania v životnom a neživotnom poistení, techniky tvorby aktuárskych modelov. Spoluúčasť a zaistenie – rôzne formy. Odhadovanie výšky rezerv v neživotnom poistení, deterministické trojuholníkové schémy: chain-ladder metóda, chain-ladder metóda s infláciou, separačná metóda a ďalšie techniky. Stochastický model životného poistenia. Výnosové krivky a ich aplikácie v poisťovníctve.
Priebežné hodnotenie 100 % / záverečná skúška 0 %.
Po absolvovaní predmetu študent bude ovládať techniky matematického modelovania v životnom a neživotnom poistení. Bude schopný riešiť úlohy o stanovení výšky poistného, počítaní rizikových prirážok a odhadovaní výšky technických rezervy. Oboznámi sa aj s formami spoluúčasti a zaistenia a technikami tvorby aktuárskych modelov.
Mathematical biology : 1. : An introduction / J. D. Murray. New York : Springer, 2002
Mathematical biology : 2. : Spatial models and biomedical applications / J. D. Murray. New York : Springer, 2003
Keener, J., Sneyd, J., Mathematical physiology: I. Cellular physiology, 2nd. ed., Springer, New York, 2008
Wilkinson, D., Stochastic modelling for systems biology, 2nd ed., Chapman & Hall/CRC, Boca Raton, 2012.
Priebežné hodnotenie: domáce úlohy, písomka počas semestra
Skúška: písomná a ústna časť
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Biologické modelovanie s obyčajnými diferenciálnymi rovnicami: princíp hmotnostnej bilancie, pravidlo hmotnostnej akcie, škálovanie a zbezrozmernenie, jedno-zložkové modely (Michaelis-Mentenova kinetika, génová autoregulácia), viac-zložkové modely (biologické prepínače, oscilátory, epidemiológia). Modelovanie s diferenciálnymi rovnicami s oneskorením. Modely s priestorovou zložkou: reakčno-difúzne systémy, šírenie epidémie, tvorba vzorkovania. Stochastické modely: rovnica bilancie pravdepodobnosti, Gillespieho simulačný algoritmus, stochastické modely génovej expresie.
40/60
Absolvovaním tohto predmetu získa študent základné vedomosti a prehľad v metódach biologického modelovania.
Signal processing and its applications / edited by N. K. Bose, C. R. Rao. Amsterdam : Elsevier, 1993
P.Prandoni and M. Vetterli: Signal Processing for Communications, 2008, EPFL Press.
M. Vetterli, J. Kovačević, and V. K. Goyal: Foundations of Signal Processing, 2013, www.fourierandwavelets.org/FSP_b1.1_2012.pdf.
Priebežné hodnotenie: domáce úlohy, vypracovanie projektu
Skúška: písomná a ústna časť
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Úvod. Čo je signál, spracovanie signálov, história a príklady aplikácií.
Signály diskrétne v čase. Základné príklady, komplexná exponenciála diskrétna v čase, jednoduchý syntetizátor zvuku.
Euklidovské a Hilbertovské priestory. Spracovanie signálov ako geometria, vektorové priestory, bázy, aproximácie.
Fourierova analýza. Diskrétna Fourierova transformácia (DFT), Fourierova transformácia pre diskrétny čas (DTFT), príklady, krátkodobá Fourierova transformácia (STFT), algoritmus rýchlej Fourierovej transformácie (FFT).
Lineárne filtre. Lineárne časovo-invariantné systémy, konvolúcia, ideálne a realizovateľné filter, dizajn a implementácia filtrov, príklady.
Interpolácia a samplovanie. Signály so spojitým časom, interpolácia a samplovanie, veta o samplovaní ako rozvoj do ortonormálnej bázy, spracovanie signálov so spojitým časom v diskrétnom čase.
Filtre v hudobnom priemysle. Filtre hornej, dolnej a pásovej priepuste, Hrebeňový filter, Ekvalizér, Šumový filter, Kompresor, Filtre s oneskorením, Zosilňovač, Nízko-frekvenčný oscilátor a ďalšie filtre (Gate, Reverb, Distorition, Limiter, Timbre).
Spracovanie stochastických signálov a kvantizácia. Stochastické signály, kvantizácia, konverzia analog-to-digital a digital-to-analog.
Spracovanie obrazu. Úvod do spracovania obrazu a dvojrozmerná Fourierova analýza. Filtrovanie a kompresia. Kompresný štandard JPEG.
Digitálne komunikačné systémy. Analógové kanály a obmedzenia na priepustnosť. Modulácia a demodulácia. Dizajn vysielačov a prijímačov. ADSL.
30/70
Absolvovaním predmetu si študent osvojí základné metódy moderných metód spracovania digitálnych signálov.
Základný nácvik a zdokonalenie pohybových zručností v jednotlivých vybraných športoch: aerobik,basketbal, volejbal, futbal, florbal, hokej, bedminton, tenis, stolný tenis, plávanie, posilňovanie, skoky na trampolíne, vodná turistika. Rozvoj harmonickej osobnosti v zmysle “kalokagatie“ - rozvíjať duševné a telesné hodnoty študentov.
slovenský, anglický
Nácvik herných činností jednotlivca v kolektívnych hrách: basketbal, volejbal, futbal, florbal a hokej. V ostatných športoch zvládnutie základnej techniky športovej disciplíny. Vo vodnej turistike základný výcvik na stojatej a mierne tečúcej vode. Rozvoj koordinačných schopností, zvýšenie kľbovej pohyblivosti, zlepšenie funkcií srdco-cievneho systému a dýchacej sústavy.
100/0
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%.
Podmienkou pre udelenie 1 alebo 2 kreditov je absolvovanie viacdňového kurzu v jeho plnom rozsahu, alebo absolvovanie jednodňových kurzov v rozsahu 4 dní. Záujemcovia sa môžu prihlásiť u vedúcich jednotlivých kurzov. Z predloženej ponuky kurzov si môžete zvoliť ten, ktorý vyhovuje Vaším záujmom, schopnostiam a termínovým možnostiam.
Predmet sa vučuje v slovenskom jazyku.
KTVŠ nepožičiava lyžiarsku výstroj.
Študent sa môže prihlásiť na katedrou ponúkané kurzy športov v prírode: lyžovanie, snowboarding. Vyučovacie hodiny v rámci kurzov sú zamerané na rozvoj základných a špeciálnych pohybových zručností a , zvládnutie techniky potrebných pre dané športy.
Osvojenie si a rozvoj základných pohybových schopností a zručností vo vybraných športoch: lyžovaní a snowbordingu. Zvládnutie správnej techniky vykonávania jednotlivých pohybov, ktoré sú potrebné pre lyžovanie a snowboarding.
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
Podmienkou pre udelenie 1 alebo 2 kreditov je absolvovanie viacdňového kurzu v jeho plnom rozsahu, alebo absolvovanie jednodňových kurzov v rozsahu 4 dní. Záujemcovia sa môžu prihlásiť u vedúcich jednotlivých kurzov. Z predloženej ponuky kurzov si môžete zvoliť ten, ktorý vyhovuje Vaším záujmom, schopnostiam a termínovým možnostiam.
Predmet sa vyučuje v slovenskom jazyku.
KTVŠ zabezpečí materiálno-športové vybavenie.
Študent sa môže prihlásiť na katedrou ponúkané kurzy športov v prírode: vodná turistika - splavy riek, windsurfing, plážový volejbal, turistiku a iné záujmové športy. Vyučovacie hodiny v rámci kurzov sú zamerané na rozvoj základných a špeciálnych pohybových zručností a zvládnutie techniky potrebných pre dané športy.
Vytvorenie si kladného a trvalého vzťahu k pohybovej aktivite. Osvojenie si a zvládnutie základných pohybových schopností a zručností v športoch v prírode: windsurfing, plážový volejbal, vodná turistika - splav riek, turistiku a iné športy podľa záujmu. Nácvik a zdokonaľovanie techniky potrebnej pre dané športy.
Zdokonaľovací výcvik vo vybranom športe s cieľom skvalitnenia pohybových zručností vo vybranom športe. Zvyšovať odolnosť študentov voči rôznym zlozvykom, stresom a rizikovým faktorom.
slovenský, anglický
V kolektívnych hrách basketbal, volejbal, futbal, florbal, hokej, nácvik útočných a obranných herných kombinácií a hra s modifikovanými pravidlami. V individuálnych športoch osvojenie prvkov vyššej obtiažnosti z hľadiska úrovne pohybových schopností (plávanie - kraul, prsia, znak, skoky na trampolíne a aerobik - nácvik zostáv, posilňovanie - rozvoj hlavných svalových skupín, vodná turistika - výcvik na tečúcej vode. Testovanie úrovne kondičných a koordinačných schopností.
100/0
Russell S., Norwig P. (2010). Artificial Intelligence: A Modern Approach, (3rd ed.), Prentice Hall. Dostupná vo fakultnej knižnici.
Marsland S. (2015). Machine Learning: An Algorithmic Perspective, (2nd ed.), CRC Press.
Úspešné absolvovanie online kurzu https://www.elementsofai.sk/ (v slovenskej alebo anglickej verzi).
slovenský alebo anglický
Kurz pozostáva z 20 numerických a 5 slovných úloh. Numerické úlohy sú konrolované automaticky, slovné úlohy si študenti vzájomne anonymne hodnotia.
1. Čo je umelá inteligencia: súvisiace oblasti, filozofia UI.
2. Riešenie problémov a UI: Prehľadávanie a riešenie problémov, prehľadávanie a hry
3. Pravdepodobnosť a šanca, Bayesova veta, naivná bayesovská klasifikácia.
4. Strojové učenie: klasifikátor najbližšieho suseda, regresia.
5. Neurónové siete: základy, vytváranie, moderné techniky.
6. Dôsledky: o predpovedaní budúcnosti, vplyvy UI na spoločnosť, zhrnutie.
Absolvent sa oboznámi s vybranými základnými konceptmi umelej inteligencie a ich využití pri riešení rôznych praktických úloh.
Russell S., Norwig P. (2010). Artificial Intelligence: A Modern Approach, (3rd ed.), Prentice Hall. Dostupná vo fakultnej knižnici.
Marsland S. (2015). Machine Learning: An Algorithmic Perspective, (2nd ed.), CRC Press.
Úspešné absolvovanie online kurzu https://www.elementsofai.sk/ (v slovenskej alebo anglickej verzi).
slovenský alebo anglický
Kurz pozostáva z 20 numerických a 5 slovných úloh. Numerické úlohy sú konrolované automaticky, slovné úlohy si študenti vzájomne anonymne hodnotia.
1. Čo je umelá inteligencia: súvisiace oblasti, filozofia UI.
2. Riešenie problémov a UI: Prehľadávanie a riešenie problémov, prehľadávanie a hry
3. Pravdepodobnosť a šanca, Bayesova veta, naivná bayesovská klasifikácia.
4. Strojové učenie: klasifikátor najbližšieho suseda, regresia.
5. Neurónové siete: základy, vytváranie, moderné techniky.
6. Dôsledky: o predpovedaní budúcnosti, vplyvy UI na spoločnosť, zhrnutie.
Absolvent sa oboznámi s vybranými základnými konceptmi umelej inteligencie a ich využití pri riešení rôznych praktických úloh.
• Vlastné elektronické študijné materiály vyučujúcich zverejňované na webovej stránke predmetu, resp. v systéme Moodle
• Gavora, Peter a kol. 2010. Elektronická učebnica pedagogického výskumu. [online]. Bratislava : Univerzita Komenského, 2010. Dostupné na: http://www.e-metodologia.fedu.uniba.sk/ ISBN 978–80–223–2951–4.
• Tharenou, P., Donohue, R. and Cooper, B., 2007. Management research methods. Cambridge University Press.
• Topping, A., 2015: The Quantitative-Qualitative Continium. In: Gerrish, K. and Lathlean, J., The Research Process in Nursing, p. 159-172
• Williamson, K. and Johanson, G. eds., 2017. Research methods: Information, systems, and contexts. Chandos Publishing.
Priebežné hodnotenie: aktívna účasť na výskume v medzinárodnom študentskom tíme (25%), prezentácia práce na workshope (25%), vedecký článok (50%)
Orientačná stupnica hodnotenia:. A 90 %, B 80 %, C 70 %, D 60 %, E 50 %
anglický (slovenský)
- Metodológia výskumu
- Návrh a implementácia výskumného projektu v medzinárodnej skupine (pokiaľ je to možné interdisciplinárnej)
- Metódy a nástroje pre spoluprácu vo virtuálnom priestore, spolupráca vo vede a praxi
- Akademické písanie, prezentácia výsledkov výskumu prostredníctvom vedeckých článkov; ciele, obsah a štruktúra vedeckých článkov; formy akademickej publikácie, publikačné fóra a hodnotenie ich kvality
- Zabezpečenie kvality a spätná väzba - vzájomné recenzovanie
- Komunikácia výsledkov prostredníctvom posterov alebo konferenčných prezentácií
100/0
Študenti sa naučia v tíme sa zhodnúť na spoločnej výskumnej téme, formulovať výskumné otázky, stanoviť výskumné metódy pre daný problém, zbierať a vyhodnotiť dáta, diskutovať o svojich zisteniach, prezentovať výsledky výskumu odbornej verejnosti, analyzovať a hodnotiť vedeckú prácu svojich kolegov, pripraviť vedecký článok vhodný na publikovanie
Gravetter, F. J., & Forzano, L. B. (2018). Research Methods for the Behavioral Sciences. Boston: Cengage Learning, Inc.
Harris, P. (2008). Designing and reporting experiments in psychology. Berkshire: McGraw-Hill.
Morling, B. (2018). Research Methods in Psychology. London: W. W. Norton & Company, Inc.
Na získanie hodnotenia musia študenti absolvovať 20 hodín účasti na empirických výskumoch, ktoré budú buď online, alebo v laboratóriu (účasť na výskume v laboratóriu sa započítava ako dve hodiny).
slovenský jazyk
Výskumy budú prebiehať počas celého semestra, študenti si z veľkého počtu výskumov budú môcť vybrať tie, ktorých sa zúčastnia.
Študenti si vyskúšajú kognitívne a psychologické experimenty z pozície participantov. Budú mať možnosť nahliadnuť do rôznych typov metodológie a zároveň dostanú spätnú väzbu vo forme vysvetlenia (tzv. debriefingu), čo sa v jednotlivých experimentoch testovalo, ako boli operacionalizované jednotlivé kognitívne alebo psychologické koncepty, a prečo. Osobná účasť v jednotlivých výskumoch pomôže pri lepšom porozumení metodológie empirických vied.
Gravetter, F. J., & Forzano, L. B. (2018). Research Methods for the Behavioral Sciences. Boston: Cengage Learning, Inc.
Harris, P. (2008). Designing and reporting experiments in psychology. Berkshire: McGraw-Hill.
Morling, B. (2018). Research Methods in Psychology. London: W. W. Norton & Company, Inc.
Na získanie hodnotenia musia študenti absolvovať 20 hodín účasti na empirických výskumoch, ktoré budú buď online, alebo v laboratóriu (účasť na výskume v laboratóriu sa započítava ako dve hodiny).
slovenský jazyk
Výskumy budú prebiehať počas celého semestra, študenti si z veľkého počtu výskumov budú môcť vybrať tie, ktorých sa zúčastnia.
Študenti si vyskúšajú kognitívne a psychologické experimenty z pozície participantov. Budú mať možnosť nahliadnuť do rôznych typov metodológie a zároveň dostanú spätnú väzbu vo forme vysvetlenia (tzv. debriefingu), čo sa v jednotlivých experimentoch testovalo, ako boli operacionalizované jednotlivé kognitívne alebo psychologické koncepty, a prečo. Osobná účasť v jednotlivých výskumoch pomôže pri lepšom porozumení metodológie empirických vied.
2/1 (prednáška / individuálna práca)
Clark, Timothy R., et al. Business Model Generation. Wiley, 2010
Podmienkou pripustenia ku skúške je aktívna účasť na výučbe v rozsahu minimálne 80%.
Záverečné hodnotenie pozostáva z prezentácie semestrálneho projektu. Na úspešné absolvovanie predmetu je potrebné dosiahnuť minimálne 50% z celkového hodnotenia.
slovenský
1. Význam komercializácie vedeckého výskumu.
2. Základy podnikania a startup terminológie.
3. Identifikácia problémov a potrieb zákazníkov (design thinking).
4. Transfer technológií. Úrovne pripravenosti technológie (TRL).
5. Duševné vlastníctvo a jeho ochrana.
6. Trh, zákazník a trhový potenciál technologického riešenia.
7. Štruktúra biznisového modelu (Business Model Canvas). Výnosové modely.
8. Zdroje financovania technologických projektov.
9. Prezentácia projektu (pitching) a komunikácia riešenia.
10. Základy manažmentu a vedenia tímu.
11. Podporné a inkubačné prostredie pre inovácie na národnej a medzinárodnej úrovni.
0/100
Po absolvovaní predmetu študent vie opísať možnosti komercializácie prírodovedného a technického výskumu. Dokáže identifikovať potreby trhu, posúdiť trhový potenciál technologického riešenia a orientuje sa v základnej terminológii podnikania, transferu technológií a ochrany duševného vlastníctva. Rozumie základnej štruktúre biznisového plánu a hlavným spôsobom financovania technologických projektov. Pozná základné princípy komunikácie, tímovej spolupráce a vedenia tímu a dokáže ich primerane uplatniť pri riešení projektu a jeho prezentácii.
Prostredníctvom športu účinne pôsobiť na zlepšenie telesnej zdatnosti, zdravotného stavu a športovej výkonnosti študentov.
slovenský, anglický
V kolektívnych hrách zdokonaľovanie herných útočných a obranných kombinácií. V individuálnych športoch nácvik takticko-technických prvkov. Kompenzačné cvičenia na odstraňovanie chybného držania tela. Strečing. Pravidlá súťaží v športovej špecializácii.
100/0
Posilniť procesuálnu stránku školskéhošportu s akcentom na zdravotný a psychologický význam. Zvýšenie telesnej kondície študentov.
slovenský, anglický
Športová príprava na Majstrovstvá fakulty vo vybranom športe s upravenými pravidlami. Výber športovo nadaných študentov do družstiev Fakultnej športovej ligy, Vysokoškolskej ligy bratislavských fakúlt a účasť na športových podujatiach fakulty a univerzity.
100/0
Študenti sa oboznámia so základnou teóriou náhodných procesov, ich spektrálnou analýzou a vybranými metódami na analýzu a predikciu reálnych procesov.
Shumway R. H., Stoffer D.S.: Time Series Analysis and Its Applications With R Examples, New York: Springer 2011; Štulajter F.: Random processes and time series, Bratislava: Univerzita Komenského 2001; Hyndman R.J., Athanasopoulos, G.: Forecasting: principles and practice, 2nd edition, OTexts: Melbourne, Australia 2018
test
Priebežné hodnotenie: písomka (20%), domáca úloha (40%);
Skúška: písomná a ústna skúška (40%);
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Maximálny počet študentov 25
Rozdelenie pravdepodobnosti náhodného procesu, stredná hodnota a kovariančná funkcia náhodného procesu, stacionárne náhodné procesy, spektrálna analýza, spektrálna hustota, jej neparametrické a parametrické odhady, dekompozícia časových radov, Holt-Wintersova metóda, regresia v časových radoch.
60/40
Študenti sa oboznámia so základnou teóriou náhodných procesov, ich spektrálnou analýzou a vybranými metódami na analýzu a predikciu reálnych procesov.
skúška
Introduction to modern time series analysis / Gebhard Kirchgässner, Jürgen Wolters. Berlin : Springer, 2008;
Time series analysis and its applications : with R examples / Robert H. Shumway, David S. Stoffer. New York : Springer, 2011.
Základy štatistiky (lineárna regresia, analýza rezíduí, testovanie hypotéz) a práce v jazyku R, komplexné čísla
Hodnotenie: domáce úlohy (100%).
Známkovanie: A: 90 a viac, B: [80, 90), C: [70, 80), D: [60, 70), E: [50, 60), FX: menej ako 50.
Váha priebežného / záverečného hodnotenia: 100/0
slovenský, anglický
Stacionarita časového radu. Biely šum. Woldova reprezentácia. Autokorelačná funkcia. Testovanie bieleho šumu, Ljung-Boxova Q-štatistika. Autoregresné modely (AR), modely kĺzavých priemerov (MA - moving average), ARMA modely. Podmienky stacionarity a invertovateľnosti. Výpočet strednej hodnoty, disperzie a kovariancií. Autokorelačná a parciálna autokorelačná funkcia a ich využitie pri identifikácii modelu. Diferencovanie časových radov, integrované procesy. Testovanie jednotkového koreňa. ADF test. Sezónnosť, SARIMA modely.
100/0
Študenti sa oboznámia s Box-Jenkinsovou metodológiou modelovania časových radov pomocou ARIMA procesov. Budú poznať teoretické vlastnosti týchto modelov a budú ich vedieť použiť na analýzu reálnych dát.
Pázman A, Lacko V: Prednášky z regresných modelov : Odhadovanie parametrov strednej hodnoty a štatistická optimalizácia experimentu, Univerzita Komenského, 2012;
Faraway J J: Extending the Linear Models with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models, 2nd ed., Chapman & Hall/CRC, 2016
Hodnotenie: písomka, projekt (priebežné), ústna skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Predpokladá sa znalosť lineárnej regresie z bakalárskeho štúdia, napr. na úrovni Ekonometria 1-EFM-380.
1. Lineárny regresný model - metóda najmenších štvorcov, model s neúplnou hodnosťou, Gaussova-Markovova veta, oblasti spoľahlivosti.
2. Zovšeobecnené lineárne modely - exponenciálna trieda rozdelení, link, odhadovanie parametrov, testovanie hypotéz.
3. Nelineárny regresný model - metóda najmenších štvorcov, vlastnosti MNŠ odhadov a ich výpočet, testy a oblasti spoľahlivosti.
http://www.iam.fmph.uniba.sk/ospm/Rosa/teaching.htm
50 (písomka 30 + projekt 20)/50
Študenti si osvoja znalosti o lineárnych, zovšeobecnených lineárnych a nelineárnych regresných modeloch. Naučia sa ich tiež aplikovať na konkrétne praktické problémy.
Dean A, Voss D, Draguljic D: Design and Analysis of Experiments (Springer Texts in Statistics) 2nd ed., Springer 2017; Pázman A, Lacko V: Prednášky z regresných modelov - odhadovanie parametrov strednej hodnoty a štatistická optimalizácia experimentu, Univerzita Komenského 2012; A. Atkinson et al.: Optimum Experimental Design, with SAS. Oxford University Press 2007
Regresné modely 2-PMS-107
Hodnotenie: projekt (priebežné), ústna skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Maximálny počet študentov 20
Základné princípy navrhovania experimentu, blokové návrhy, faktorové návrhy, návrhy typu "response surface", optimálne navrhovanie experimentu pre lineárny model (exaktný a aproximatívny návrh, kritériá optimality, podmienky optimality návrhu, algoritmický výpočet optimálneho návrhu experimentu), optimálne navrhovanie experimentu pre nelineárny model.
40/60
Študenti sa naučia základné princípy navrhovania štatistických experimentov a optimalizácie kvality experimentu.
Agresti A: Categorical Data Analysis 3rd ed. W Agresti A: Categorical Data Analysis 3rd ed. Wiley 2012;
Anděl J: Statistické metody. Matfyzpress 2007.
projekt (priebežné), ústna skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
1. Kontingenčné tabuľky: grafické znázornenie, test nezávislosti, test homogenity, pomer šancí, McNemarov test, Simpsonov paradox a Cochranov-Mantelov-Haenszelov test, Bowkerov test, Fisherov exaktný test.
2. Logistická regresia: význam parametrov, pravdepodobnosť vs. šance, deviancia, testy o submodeli, Waldove testy a intervaly spoľahlivosti, grafické znázornenie, pseudo koeficienty determinácie, logistická regresia ako klasifikátor.
3. Permutačné verzie t-testu a ANOVA.
4. Bootstrap: odhad disperzie, intervaly spoľahlivosti, použitie v regresii, ukážka nesprávneho použitia.
http://www.iam.fmph.uniba.sk/ospm/Somorcik/teaching.htm
70/30
Študenti budú schopní vykonávať v softvéri "R" pokročilejšie štatistické analýzy reálnych dát.
Oboznámiť študentov so základnými pojmami, metódami a modelmi viacrozmerných štatistických analýz.
Härdle WK, Simar L: Applied multivariate statistical analysis, Springer, 2012; Härdle WK, Hlávka Z: Multivariate statistics: Exercises and solutions. Springer, 2007; Filová L, Szűcs G: Viacrozmerné štatistické analýzy, poznámky k prednáškam, 2021.
test
Hodnotenie: test (priebežné, 60%), ústna skúška (40%)
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Viacrozmerné normálne rozdelenie a podmienené rozdelenia, Wishartovo rozdelenie a Cochranova veta, Hotellingovo rozdelenie, Wilksovo rozdelenie, kopuly, testovanie hypotéz o parametroch viacrozmerného normálneho rozdelenia, viacrozmerný lineárny model, viacrozmerná regresná analýza, viacrozmerná analýza rozptylu s jedným a dvomi faktormi, kovariančná analýza, profilová analýza, analýza opakovaných meraní.
60/40
Študenti po absolvovaní predmetu budú teoreticky aj prakticky ovládať najpoužívanejšie metódy viacrozmernej štatistiky.
skúška
Izenman A: Modern Multivariate Statistical Techniques: Regression, Classification, and Manifold Learning (Springer Texts in Statistics) 1st ed., 2nd printing 2013; James G, Witten D, Hastie T, Tibshirani R: An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics) 2nd ed., Springer 2021; Harman R: Multivariate Statistical Analysis (Selected Lecture Notes), študjné materiály vyučujúceho, 2021.
Hodnotenie: projekt (priebežné), ústna skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Odporúča sa poznať základy práce so softvérom R. Cvičenia prebiehajú formou ukážok spracovania reálnych dát.. Maximálny počet študentov 40
Vybrané metódy vizualizácie mnohorozmerných dát, partičné zhlukovanie (k-means, k-medoids, DBSCAN, OPTICS, zhlukovanie založené na zmesi gaussovských rozdelení, spektrálne zhlukovanie), hierarchické zhlukovanie, všeobecný úvod do štatistických klasifikačných metód, Bayesov klasifikátor, k najbližších susedov, lineárna a kvadratická diskriminačná analýza, klasifikačné stromy a lesy, bagging a boosting, metóda oporných bodov, multinomická regresia ako klasifikačná metóda
50/50
Študenti sa naučia princípy a praktickú realizáciu vybraných metód analýzy zhlukov a štatistickej klasifikácie dát.
Oboznámiť študentov so základnými pojmami, metódami a modelmi Markovovských procesov s diskrétnym časom.
Markovove reťazce a ich aplikácie/ Janková, Kiliánová, Brunovský, Bokes: Epos Bratislava, 2014
Introduction to probability models / Sheldon M. Ross. [S.l.] : Academic Press, 2010
Markovove reťazce / Jozef Kalas. Bratislava : Univerzita Komenského, 1993
test
Priebežné hodnotenie: písomka na prednáške(20%), domáce úlohy a písomka na cvičení(50%)
Skúška: písomná(30%)
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Markovove reťazce s diskrétnym časom. Klasifikácia stavov reťazca. Stacionárne rozdelenie reťazca. Limitné vlastnosti Markovových reťazcov. Aplikácie na rôznych modeloch: vetviace procesy, procesy s ocenením prechodov, Markov Chain Monte Carlo.
Markovova vlastnosť, pravdepodobnosti prechodu, matica prechodu, počiatočné rozdelenie, nerozložiteľnosť reťazca. Klasifikácia stavov, stavy prechodné, trvalé, nulové a kladné, periodicita. Existencia stacionárneho rozdelenia, ergodické rozdelenie. Kritériá ergodicity, náhodné prechádzky, vetviace sa procesy, pravdepodobnosti absorbcie, stredná doba do absorbcie. Algoritmy pre Markovove reťazce s ocenením prechodov a Markov Chain Monte Carlo.
70/30
Študent bude poznať základné modely Markovových reťazcov s diskrétnym časom, klasifikovať stavy a počítať stacionárne rozdelenia v nich.
skúška
Janková, K., Kilianová, S., Brunovský, P., Bokes, P.: Markovove reťazce a ich aplikácie. Epos 2014.
Norris, J.:Markov Chains.Cambridge University Press 1997.
Získať aspoň 50 bodov z nasledujúcich, pričom zo skúšky a písomky na prednáške treba spolu aspoň 30 bodov:
30 bodov cvičenie, 20 bodov písomka na prednáške, 50 bodov skúška. Orientačná stupnica hodnotenia: 50-60 bodov E, 60-70 D,70-80 C,80-90 B,90-100 A.
Markovova vlastnosťpre reťazce so spojitým časom, pravdepodobnosti prechodu, Chapman Kolmogorovovova rovnosť. Intenzity prechodu, systémy Kolmogorovových diferenciálnych rovníc, stacionárne a ergodické rozdelenie v reťazci. Modely lineárneho rastu, vzniku a zániku, Poissonov proces, charakterizácia procesov pomocou reťazca skokov a časov zotrvania. Systémy hromadnej obsluhy: M/M/n, M/M/nekonečno, M/G/1, Pollaczekova Chinčinova formula.
50/50
Študenti budú poznať vlastnosti homogénnych Markovových reťazcov so spojitým časom a budú ich vedieť použiť vo viacerých modeloch.
Oboznámiť študentov so základnými sekvenčnými metódami odhadovania parametrov a testovania hypotéz.
Matematická štatistika / Jiří Anděl. Praha : Státní nakladatelství technické literatury, 1978
Marie Hušková: Sekvenční analýza, SPN Praha, dostupné na http://www.karlin.mff.cuni.cz/~huskova/backup_files/huskova_seq.pdf
Govindarajulu, Z: Sequential statistics (2004)
test, domáce úlohy
Priebežné hodnotenie: Počas semestra sa píše test, za ktorý študent môže získať 30 bodov, v druhej polovici semestra študenti dostanú zadania domácich úloh, za ktoré možno získať 30 bodov, zvyšných 40 bodov je za písomnú skúšku.
Skúška: písomná
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Sekvenčné testovanie hypotéz, schéma testov, sekvenčné úlohy kontroly kvality. Sekvenčný Waldov test, jeho vlastnosti a charakteristiky, použitie vytvárajúcich funkcií v sekvenčnej analýze. Waldove identity a ich dôsledky pre operačnú charakteristiku a stredný rozsah výberu sekvenčného testu. Princípy testovania zložených hypotéz. Sekvenčné bodové odhady, Raova Cramerova veta, Steinova dvojstupňová metóda, sekvenčné intervaly spoľahlivosti.
60/40
Študent vie použiť sekvenčný prístup pri riešení úloh štatistického testovania hypotéz a odhadu neznámych parametrov.
skúška
Ross S: Simulation, Elsevier Academic Press 2006; Vlastné elektronické texty vyučujúcich zverejňované prostredníctvom web stránky predmetu.
Hodnotenie: projekt (priebežné), ústna skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Maximálny počet študentov 40
Generovanie realizácií náhodných čísel, testovanie generátorov náhodných čísiel, generovanie diskrétnych náhodných premenných a vektorov, generovanie spojitých náhodných premenných a vektorov, štatistická analýza simulovaných dát, klasické metódy Monte Carlo.
50/50
Po absolvovaní predmetu budú študenti poznať základné metódy počítačového generovania realizácií náhodných premenných a náhodných vektorov, aplikovať ich na výpočet Monte Carlo odhadov a na simuláciu komplexných stochastických systémov.
Luke S: Essentials of Metaheuristics, Lulu, 2013; Elektronické študijné materiály vyučujúceho zverejňované prostredníctvom web stránky predmetu.
Hodnotenie: projekt (priebežné)
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Stručný všeobecný úvod do optimalizácie, typy optimalizačných problémov a typy algoritmov na ich riešenie, konštrukcia iniciálneho riešenia, základné heuristické optimalizačné algoritmy, adaptácia kovariančnej matice, simulované žíhanie, algoritmus Nelder-Mead, genetické algoritmy, diferenciálna evolúcia, optimalizácia inšpirovaná kolektívnym správaním sa zvierat, základné princípy globálnej optimalizácie s ohraničenou množinou prípustných riešení.
100/0
Po absolvovaní predmetu získajú študenti komplexný prehľad o rôznych typoch optimalizačných problémov a algoritmov na ich riešenie, s dôrazom na heuristické metódy optimalizácie využívajúce náhodné prvky, aplikovateľné na problémy diskrétnej optimalizácie a na nekonvexné úlohy spojitej optimalizácie.
Agresti A: Categorical Data Analysis 3rd ed. Wiley 2012.
projekt (priebežné), písomná skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
1. Metóda maximálnej viereohodnosti vo svete kategorialnych dát: svätá trojica testov (Waldov test, score test, test pomerom vierohodnosti), súvisiace intervaly spoľahlivosti pre parameter binomického rozdelenia (Waldov, Wilsonov, Agrestiho-Coullov, daný testom pomerom vierohodnosti, Clopperov-Pearsonov).
2. Inferencia v prípade vektorového parametra: svätá trojica testov a Pearsonov chíkvadrátový test a ich súvis, príklad na multinomickom rozdelení.
3. Kontingenčná tabuľka: súvis s multinomickým rozdelením, testovanie všeobecnej hypotézy o parametroch, testovanie nezávislosti.
4. Delta-metóda: princíp a ukážky použitia pri inferencii o šanciach a pomere šancí v kontingenčnej tabuľke.
5. Miery závislosti nečíselných premenných (Goodmanova-Kruskalova gamma).
6. Ekvivalentnosť multinomických modelov kontingenčných tabuliek s Poissonovským loglineárnym modelom.
7. Poissonovský loglineárny model: interpretácia parametrov, saturovaný model, deviancia.
8. Saturovaný trojfaktový Poissonovský loglineárny model: interpretácia parametrov, vizualizácia pomocou mozaikového diagramu, interpretácia submodelov a testovanie hypotéz o nich, intervaly spoľahlivosti pre jednotlivé parametre.
9. Test o pomere šancí, Cochranov-Mantelov-Haenszelov test a Woolfov test v trojrozmernej kontingenčnej tabuľke 2x2xK ako testy o submodeloch Poissonovského loglineárneho modelu.
10. Logistická a multinomická regresia ako špeciálne prípady Poissonovského loglineárneho modelu.
http://www.iam.fmph.uniba.sk/ospm/Somorcik/teaching.htm
50/50
Študent spozná princípy modelovania nečíselných dát a inferenciu na takýchto modeloch pomocou nástrojov založených na maximálnej vierohodnosti. Tiež sa dozvie, že mnohé zdanlivo nesúvisiace klasické analýzy kategoriálnych dát sa dajú vyjadriť jednotným a veľmi jednoduchým spôsobom pomocou zovšeobecnených lineárnych modelov.
Collett, David. Modelling survival data in medical research. CRC press, 2015.
Kleinbaum, David G., and Mitchel Klein. Survival analysis. Springer,, 2010.
Hodnotenie: projekt (priebežné)
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Cenzúrovanie, funkcia prežívania a funkcia hazardu. Modely s diskrétnym časom. Neparametrické odhady. Kaplanov-Meierov odhad. Porovnávanie dvoch súborov dát prežívania. Log-rank test. Wilcoxonov test. Model proporcionálneho rizika. Funkcia vierohodnosti pre parametre modelu proporcionálneho rizika. Weibullov model ako model proporcionálneho rizika. Odhady parametrov vo Weibullovom modeli. Log-lineárny tvar Weibullovho rozdelenia. Ďalšie rozdelenia používané v analýze prežívania. Diagnostika v modeli proporcionálneho rizika. Coxove-Snellove reziduá. Martingálové reziduá. AFT (accelerated failure time) modely. Coxov regresný model. Modely s vysvetľujúcimi premennými závislými od času.
http://www.iam.fmph.uniba.sk/ospm/Filova/teaching.htm
100/0
Študenti získajú prehľad o vybraných štatistických metódach pri analýze a modelovaní cenzurovaných dát, najmä v medicínskych aplikáciách.
Penze: kvantitativní přístup / Tomáš Cipra, Praha : Ekopress, 2012;
Pensions at a Glance 2019 / OECD and G20 Indicators, Paris : OECD Publishing, 2019, https://doi.org/10.1787/b6d3dcfc-en;
Elektronické študijné materiály vyučujúcich.
Za semester, v rámci priebežného hodnotenia, môže študent získať 50 % hodnotenia, a to za jednu prezentáciu, ktorú pripraví na vopred dohodnutú tému. Ústna skúška má váhu 50 %.
Stupnica hodnotenia: A: aspoň 90,00 %; B: 89,99 % – 80,00 %; C: 79,99 % – 70,00 %; D: 69,99 % – 60,00 %; E: 59,99 % – 50,00 %; Fx: 49,99 % – 0,00 %.
slovenský, anglický
Tri piliere dôchodkového zabezpečenia: štátne, súkromné a osobné. Systém dôchodkového zabezpečenia na Slovensku. Pay-as-you-go systém, fondová schéma. Systémy s definovanými dávkami a systémy s definovanými príspevkami. Poistenie nezávislé od platu, založené na priemernom plate, na konečnom plate. Jednorazové dávky v prípade úmrtia. Transfery. Metódy fondovania. Investovanie penzijných fondov.
Priebežné hodnotenie 50 % / záverečná skúška 50 %.
Študent po absolvovaní predmetu bude poznať základné princípy a funkcie dôchodkového zabezpečenia. Oboznámi sa s dôchodkovým systémom Slovenskej republiky a niektorých ďalších štátov sveta. Študent bude schopný oceňovať pohľadávky a záväzky rôznych typov penzijných schém, napríklad dávkovo definovanej schémy a príspevkovo definovanej dôchodkovej schémy.
Gałecki A, Burzykowski T.: Linear mixed-effects model Using R. Springer, New York, NY (2013); Filová L: Bioštatistika, študijné materiály (2021)
Viacrozmerné štatistické analýzy 2-PMS-115; Regresné modely 2-PMS-107
Hodnotenie: projekt (priebežné)
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Modely s fixnými a náhodnými efektmi; Analýza rozptylu s náhodnými efektmi; Lineárny regresný model s náhodnými efektmi; Metaanalýza a metaregresia; Opakované a dlhodobé merania; Viacúrovňové modely; Diagnostické testy, senzitivita, špecificita a kombinované miery presnosti; ROC krivky a ich charakteristiky.
http://www.iam.fmph.uniba.sk/ospm/Filova/teaching.htm
100/0
Študenti získajú prehľad o vybraných štatistických metódach používaných v biomedicínskych aplikáciách.
Williams D: Probability with Martingales. Cambridge University Press 1991;
Melicherčík I: Kapitoly z finančnej matematiky. Epos 2006;
Bhattacharya R N, Waymire E C: Stochastic Processes with Applications. SIAM 2009;
Bühlmann H: Life Insurance with Stochastic Interest Rates. In: Ottaviani G (eds) Financial Risk in Insurance. Springer 2000.
Priebežné hodnotenie: písomka
Skúška: písomná
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
zmysel pojmov náhodná udalosť a náhodná premenná, podmienky merateľnosti zobrazenia; využitie Borelovej-Cantelliho lemy
základná teória zovšeobecnených mier: kladné a záporné množiny, nulovosť množiny v silnom zmysle, Hahnov rozklad, Jordanov rozklad, absolútna spojitosť, Radonova-Nikodymova veta, využitie hustoty pomocou change of variable theorem
sigma-algebra ako predstaviteľ dodatočnej informácie, filtrácia; podmienená stredná hodnota daná sigma-algebrou (geometrický a pravdepodobnostný pohľad)
martingál, supermartingál a submartingál; sigma-algebra generovaná náhodnými premennými; stopping time
niektoré výherné stratégie v hazardných hrách (napr. martingálová); Doob's optional stopping theorem a jej použitie pri hazardných hrách jedného i viacerých hráčov, pri náhodných prechádzkach a na výpočet strednej doby čakania na koniec hry
tower property podmienenej strednej hodnoty a jej dôsledok; vlastnosti martingálových prírastkov; spôsoby výroby martingálov
použitie podmienených stredných hodnôt a martingálov v poisťovníctve: model s náhodnými úrokmi, valuácia poistky, technická, finančná a celková strata poisťovne, rozšírenie Hattendorffovej vety do situácie náhodných úrokov a finančnej i technickej straty
http://www.iam.fmph.uniba.sk/ospm/Somorcik/teaching.htm
40/60
Študent bude vedieť použiť prístupy vychádzajúce z teórie miery a integrálu v pravdepodobnosti a bude poznať základné vlastnosti a vyžitie martingálov.
Izenman A: Modern Multivariate Statistical Techniques: Regression, Classification, and Manifold Learning (Springer Texts in Statistics) 1st ed., 2nd printing 2013;
James G, Witten D, Hastie T, Tibshirani R: An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics) 2nd ed., Springer, 2021;
Hastie T, Tibshirani R, Friedman J: The Elements of Statistical Learning, 2nd ed., Springer, 2016
Hodnotenie: projekt (priebežné), ústna skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Elektronická verzia knihy "An Introduction to Statistical Learning" od James et al. je dostupná na: https://www.statlearning.com/
1. Lineárne metódy extrakcie premenných – analýza hlavných komponentov (PCA), faktorová analýza, projekčné sledovanie.
2. Nelineárne metódy extrakcie premenných – nelineárna analýza hlavných komponentov, metrické a nemetrické mnohorozmerné škálovanie, isomap, t-SNE.
3. Metódy selekcie premenných – dopredná a spätná selekcia, lasso, hrebeňová regresia.
4. Metódy konštrukcie podvzorky – náhodná vzorka veľkých dát, výber na základe vplyvových skóre.
http://www.iam.fmph.uniba.sk/ospm/Rosa/teaching.htm
50/50
Študenti získajú prehľad o metódach na extrakciu a selekciu premenných, ako aj na konštrukciu podvýberu. Zároveň si osvoja schopnosť tieto metódy uplatniť pri praktickom analyzovaní dát.
Rublík F: Neparametrické metódy. Veda 2011;
Lehmann E: Nonparametrics: Statistical Methods Based on Ranks (revised edition). Springer 2006;
Hollander M, Wolfe D A, Chicken E: Nonparametric statistical methods 3rd ed. Wiley 2013;
písomná skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Znamienkový test a interval spoľahlivosti pre medián. Wilcoxonov jednovýberový test, Hodgesov-Lehmannov odhad parametra polohy a súvisiaci interval spoľahlivosti. Párový znamienkový a párový Wilcoxonov test. Wilcoxonov a Mannov-Whitneyho dvojvýberový test, Hodgesov-Lehmannov odhad parametra posunutia a súvisiaci interval spoľahlivosti. Problém zhodných pozorovaní. Kruskalov-Wallisov test a príslušné post-hoc testy. Spearmanovo ró. Kendallovo tau. Theilove testy, odhady a intervaly spoľahlivosti o parametroch priamkovej regresie. Odolnosť odhadu voči outlierom (bod zlomu). Kolmogorovove-Smirnovove testy. Cramérov-von Misesov test. Viacrozmerné testy: pozložkový znamienkový test, Rayleighov test, Randlesov test pomocou medzismerov. Dostupnosť uvedených metód v softvéri R.
http://www.iam.fmph.uniba.sk/ospm/Somorcik/teaching.htm
0/100
Študenti budú schopní použiť na dáta základné metódy neparametrickej štatistiky a budú rozumieť ich princípom i matematickému pozadiu.
Hoff P.D.: A first course in Bayesian statistical methods. New York: Springer 2009.;
Pázman A.: Bayesovská štatistika, Bratislava: Univerzita Komenského 2009;
test
Priebežné hodnotenie: písomka;
Skúška: písomná a ústna skúška;
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Maximálny počet študentov 25
Bayesova veta, apriórne a aposteriórne prediktívne rozdelenie, teória štatistického rozhodovania a jej aplikácia pri bayesovských odhadoch a testoch, kredibilné intervaly, konjugované systémy apriórnych hustôt, neinformatívne apriórne rozdelenia, informácia, entropia, I-divergencia.
30/70
Študenti sa oboznámia so základnými pojmami, konceptmi a princípmi bayesovskej štatistiky.
skúška
Lambert B.: A Student’s Guide to Bayesian Statistics. California: Sage 2018;
Hoff P.D.: A first course in Bayesian statistical methods. New York: Springer 2009;
Neapolitan R.E.: Learning Bayesian networks. New Jersey: Pearson Prentice Hall 2004.
domáce úlohy
slovenský, anglický
Maximálny počet študentov 25
MCMC v bayesovských metódach, Metropolis-Hastingsov algoritmus, Gibbsov algoritmus, bayesovská regresia, hierarchické modely, validácia modelu, priemerovanie modelov, bayesovské siete, bayesovské metódy v strojovom učení.
100/0
Študenti získajú prehľad o praktických aplikáciách bayesovských metód a budú ich schopní vykonávať v softvéri R.
O'Quigley J., Iasonos A., Bornkamp B. (Eds.): Handbook of methods for designing, monitoring, and analyzing dose-finding trials. CRC Press (2017); Filová L: Štatistické metódy v klinických skúškach, študijné materiály (2021)
Hodnotenie: projekt (priebežné)
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Maximálny počet študentov 20
Fázy a ciele klinických skúšok, zaslepenie (blinding), znáhodnenie (randomizácia), maximálna tolerovateľná dávka, minimálna efektívna dávka. Návrhy pre 1. fázu klinických skúšok: 3+3 návrh, skupinové návrhy pre určenie toxicity, continual reassessment method. Návrhy pre 2. fázu klinických skúšok: dvojfázové návrhy, modelovanie závislosti odozvy od dávky, odhadovanie cieľových dávok, metóda viacnásobných porovnaní. Návrhy pre 3. fázu klinických skúšok: skupinové sekvenčné metódy, adaptívne návrhy. Určovanie optimálneho rozsahu experimentu. Návrhy pre skúšky s oneskorenou toxicitou.
http://www.iam.fmph.uniba.sk/ospm/Filova/teaching.htm
100/0
Študenti získajú prehľad o štatistických metódach používaných pri navrhovaní klinických skúšok.
SAS Institute Inc. 2001: Step-by-Step Programming with Base SAS® Software, Cary, NC: SAS Institute Inc.
Priebežné hodnotenie: samostatná práca na hodine (80%) a záverečný test (20%);
Orientačná stupnica hodnotenia: A 91%, B 81%, C 71%, D 61%, E 51%
slovenský, anglický
Maximálny počet študentov 25
Základy jazyka SAS, vytváranie SAS databázových súborov z iných zdrojov (napr. textových súborov), ich spracovanie a reportovanie, spájanie tabuliek, číselné a textové funkcie, vyhľadávanie syntaktických a logických chýb v programe, základné SAS procedúry.
100/0
Študenti sa oboznámia so základmi programovacieho jazyka SAS, budú vedieť pristupovať k databázam rôznych formátov a spracovávať ich.
Hastie T, Tibshirani R, Friedman J: The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition (Springer Series in Statistics) 2nd Edition, Springer 2016; Russell S, Norvig P: Artificial Intelligence: A Modern Approach (Pearson Series in Artificial Intelligence) 4th Edition, Pearson, 2020
Hodnotenie: aktívna účasť (priebežné)
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Maximálny počet študentov 20
Výber metód na základe dohody na začiatku semestra. Možné témy: Markovovské adaptívne rozhodovacie metódy v podmienkach neurčitosti, Kalmanov filter, grafické pravdepodobnostné modely, všeobecná teória štatistického učenia, modely zmesí, EM algoritmus, veľmi stručný úvod do neurónových sietí, neparametrická regresia (lokálna regresia, regresná metóda oporných bodov, regresné stromy, MARS, zovšeobecnené aditívne modely a podobne), Fisherov skórovací algoritmus
100/0
Študenti sa zoznámia vybranými pokročilými pravdepodobnostnými a štatistickými metódami využívanými v takzvanej umelej inteligencii.
Pinheiro C. A. R, Patetta M.: Introduction to Statistical and Machine Learning Methods for Data Science, SAS Institute 2021
Pre študentov je odporúčané, aby mali absolvované predmety 2-PMS-222 Programovanie v softvéri SAS a 2-PMS-107 Regresné modely a súbežne zapísaný (alebo absolvovaný) predmet 2-PMS-216 Analýza zhlukov a klasifikácia dát.
Hodnotenie: projekt
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Študijné materiály budú pre študentov zabezpečené v elektronickej forme. Maximálny počet študentov 25
1. Základná orientácia v prostredí SAS Viya. 2. Vytváranie regresných modelov (lineárne, logistické, GLM, ...). 3. Segmentačné modely a zhlukovanie. 4. Základy praktického strojového učenia (metódy s učiteľom a bez učiteľa). 5. Praktické porovnanie výkonosti modelov rôznych typov a best-practise pre sledovanie kvality modelov.
100/0
Študenti získajú praktické znalosti ako spracovávať dáta a vytvárať rôzne štatistické modely v prostredí SAS Viya.
Forma výučby: seminár
Odporúčaný rozsah výučby (v hodinách) týždenný: 2
Odporúčaný rozsah výučby (v hodinách) za obdobie štúdia: 28
Metóda štúdia: prezenčná
Moses B, Gavish L, Vorwerck M: Data Quality Fundamentals: A Practitioner's Guide to Building Trustworthy Data Pipelines, O’Reilly Media, 2022; Enders CK: Applied Missing Data Analysis, The Guildford Press, 2022; The National Academics (kolektívna správa): Reproducibility and Replicability in Science, National Academics Press 2019
Hodnotenie: na základe prezentácií tém počas semestra
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Výber tém: Chýbajúce dáta (vyraďovanie a imputácia dát), Nevyvážené dáta (metódy redukcie a augmentácie dát), Reprodukovateľnosť a replikovateľnosť, Pred-registrácia štúdií, Výberové skreslenie, Čistenie a pred-spracovanie dát, Konzistencia dát, validácia a verifikácia dát, Metriky kvality dát, Metadáta a informatívny opis dát, Archivácia dát
100/0
Študenti budú schopní používať základné metódy kontroly, korekcie a udržovania kvality dát. Budú rozumieť princípom týchto metód i matematickému pozadiu.
Podľa odporúčania vedúceho práce.
Hodnotenie: hodnotenie vedúcim práce
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Samostatné štúdium literatúry doporučenej vedúcim práce, práca na probléme stanovenom v zadaní diplomovej práce, konzultácie s vedúcim práce. Spísanie výsledkov práce podľa predpísaných štandardov.
100/0
Po absolvovaní predmetu študent bude mať pripravenú diplomovú prácu k obhajobe.
Hofman HA: Scientific Writing and Communication: Papers, Proposals, and Presentations 4th Edition, Oxford University Press 2019; Všeobecná literatúra k matematickej štatistike, podľa aktuálnej potreby.
Hodnotenie: referáty (priebežné)
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Referáty študentov a vyučujúceho ohľadom vybraných tém z matematickej štatistiky. Nácvik spôsobu efektívnej prezentácie. Diskusia o etike vedeckej práce a vedeckej publikačnej činnosti.
100/0
Študent sa bližšie oboznámi s vybranými témami z matematickej štatistiky. Študent získa skúsenosti so samostatnou aj tímovou prezentáciou. Študenti získajú prehľad o problémoch etiky vedeckej práce a vedeckej publikačnej činnosti.
Prehĺbenie znalostí študentov z metód matematickej štatistiky aktívnou formou referovania.
Anděl, J.: Statistické metody, Matfyzpress Praha 1998
Literatúra k povinným predmetom preberaným na magisterskom štúdiu
samostatná prezentácia dvoch odborných tém (jedna všeobecná téma z matematickej štatistiky a druhá špecializovaná téma o teoretických a praktických základoch vypracovávanej diplomovej práce)
Priebežné hodnotenie: referáty
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Referáty študentov z tém rozširujúcich štatistické metódy preberané na magisterskom štúdiu a tém diplomových prác.
http://www.iam.fmph.uniba.sk/ospm/Harman/teaching.htm
100/0
Študent získa širší prehľad vo vybraných oblastiach, ktoré súvisia so štatistickými témami preberanými počas magisterského štúdia, ako aj skúsenosti so samostatnou prezentáciou.
záverečná práca
Podľa okruhov zverejnených tém štátnej skúšky
Hodnotenie: komisiou pre štátne skúšky
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Študent si vytiahne otázky zo známeho okruhu otázok zostaveného z profilových predmetov programu. Po krátkej príprave odpovedá na otázky a doplňujúce otázky členov komisie.
0/100
Študent absolvuje štátnu skúšku z profilových predmetov programu pred komisiou pre štátne skúšky.
Podľa odporúčania vedúceho práce.
Hodnotenie: komisiou pre štátne skúšky
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Prezentácia výsledkov práce pred komisiou, zodpovedanie otázok oponenta a komisie. Diskusia s členmi komisie o problematike diplomovej práce.
0/100
Po absolvovaní predmetu študent bude mať obhájenú diplomovú prácu.