Naměřená data často vykazují multimodální charakter – například dopravní údaje během dne, které se výrazně liší mezi ranní špičkou, poledním útlumem, odpolední špičkou a nočním provozem. Pro jejich analýzu proto nestačí jeden model, ale je potřeba kombinace více modelů, které zachycují jednotlivé fáze zvlášť a umí se dynamicky přepínat. Správná volba modelu je klíčová pro zlepšení přesnosti predikcí a pochopení chování sledovaných veličin.
Co bude náplní stáže?
- Seznámení s bayesovskými rekurzivními algoritmy pro analýzu multimodálních dat
- Práce s daty různého typu (spojitá, diskrétní i sčítací)
- Implementace a testování algoritmů v prostředí Scilab
- Účast na experimentech a vyhodnocování výsledků
- Spolupráce s výzkumným týmem ÚTIA
Co potřebujeme:
- Základní znalost pravděpodobnosti a statistiky
- Zkušenosti s programováním (výhodou znalost Scilab či podobného prostředí)
- Analytické myšlení a pečlivost při práci s daty
- Ochotu učit se nové metody v oblasti bayesovského modelování
Co nabízíme:
- Praktické zkušenosti s moderními metodami analýzy multimodálních dat
- Prostor pro uplatnění vlastních nápadů při volbě a implementaci modelů
- Přímé zapojení do výzkumných aktivit ÚTIA
- Podporu zkušeného garanta a možnost dalšího rozvoje v oblasti matematického modelování
Chceš porozumět tomu, jak lze s pomocí bayesovských metod popisovat složitá a proměnlivá data z reálného světa? Přidej se k našemu týmu a získej zkušenosti s analýzou multimodálních dat, které mají široké využití od dopravy až po další dynamické systémy.