Kůs Václav Ing. Ph.D. :: [01MAA3] Matematická analýza A3

Další předměty
[01BPAI1] Bakalářská práce 1
[01BPAM1] Bakalářská práce 1
[01BPMM1] Bakalářská práce 1
[01BPSI1] Bakalářská práce 1
[01BAPS] Bayesovské principy ve statistice
[01MAA3] Matematická analýza A3
[01PRA1] Pravděpodobnost a matematická statistika 1
Role učitele
Cvičící
Počet hodnotících: 7 / 22
Procento hodnotících: 31 %
|======..............|
Celkové hodnocení [7]
1 : |==============......| 71 % [5]  
2 : |======..............| 28 % [2]  
3 : |....................| 0 % [0]  
4 : |....................| 0 % [0]  
5 : |....................| 0 % [0]  
medián: 1.00 průměr hodnocení: 1.29

Všichni učitelé

75% hodnocení je v rozmezí 1.00 až 2.60
medián: 1.33
průměr hodnocení: 1.70
Hodnocení v roli cvičící [7]
1 : |==============......| 71 % [5]  
2 : |======..............| 28 % [2]  
3 : |....................| 0 % [0]  
4 : |....................| 0 % [0]  
5 : |....................| 0 % [0]  
medián: 1.00 průměr hodnocení: 1.29

Všichni učitelé

75% hodnocení je v rozmezí 1.00 až 2.63
medián: 1.39
průměr hodnocení: 1.69

C : Napište, co na cvičícím oceňujete [6]
  • Ochotu diskutovat o věcech.
    studijní průměr: <1.0, 1.5>
  • Docela milý přístup ke studentům.
    studijní průměr: (1.5, 2.0>
  • Příjemné jednání a atmosféra na cvičeních, umí látku vysvětlit.
    studijní průměr: <1.0, 1.5>
  • Velkou dávkou humoru
    studijní průměr: (1.5, 2.0>
  • Nejvíce oceňuju ochotu cokoliv vysvětlit, dále výdobrý přístup k dané látce.
    Pavel Eichler
  • Klidek, pohodička.
    Vojtěch Teska

C : V čem by se měl(a) cvičící zlepšit? [3]
  • Chodit včas.
    studijní průměr: <1.0, 1.5>
  • Často někoho vyvolal k tabuli a pak si začal vykládat se studenty, místo aby sledoval, co tam ten člověk dělá.
    studijní průměr: (1.5, 2.0>
  • Zvládnout víc latky
    Vojtěch Teska

C : Poznámky ke cvičení obecně (nevztahující se ke konkrétnímu cvičícímu) [5]
  • Chtelo by víc cvičit extrémy.
    studijní průměr: (1.5, 2.0>
  • Některé věci se na cvičení probírají jinak než na přednášce.
    studijní průměr: (1.5, 2.0>
  • Škoda, že se nestihlo nic z topologie.
    studijní průměr: <1.0, 1.5>
  • Na cvičení se bohužel nestíhá látka z konce semestru, která je potřeba ke zkoušce
    studijní průměr: (1.5, 2.0>
  • Cvičení z MAA3 dobře připraví na úspěšné složení zkoušky.
    Pavel Eichler

C : Napište, co na cvičícím oceňujete [13]
1 : |=====...............| 23 % [3] Slovní odpověď

C : V čem by se měl(a) cvičící zlepšit? [10]
1 : |....................| 0 % [0] Slovní odpověď

C : Oznámkujte cvičící(ho) [7] 1.29
1 : |==============......| 71 % [5] 1
2 : |======..............| 28 % [2] 2
3 : |....................| 0 % [0] 3
4 : |....................| 0 % [0] 4
5 : |....................| 0 % [0] 5

C : Jaké byly nároky na získání zápočtu? [7]
1 : |....................| 0 % [0] velmi obtížný
2 : |....................| 0 % [0] obtížný
3 : |===.................| 14 % [1] středně obtížný
4 : |======..............| 28 % [2] lehký
5 : |===========.........| 57 % [4] velmi lehký

C : Poznámky ke cvičení obecně (nevztahující se ke konkrétnímu cvičícímu) [12]
1 : |=====...............| 25 % [3] Slovní odpověď

Komentář vyučujícího k hodnocení předmětu

Děkuji všem 'mým' studentům-kám MAA3cvič za pěkné hodnocení. Vaše komentáře uchovám v paměti a určitě přispějí v dalších letech ke zlepšení cvičení MAA3.

Odcvičení lok. extrémů úplně na konci zimního semestru je letitý problém, na přednášce se extrémy probírají až koncem posledního týdnu semestru a v případě, že poslední cvičení v rozvrhu předchází poslední přednášku, je to trochu hektické, souhlasím. I pro mě jako cvičícího, by bylo příjemnější udělat lok. extrémy pěkně v klidu a ukázat vám navíc např. v praxi velmi široce užívanou obecnou metodu minimalizace nejmenších čtverců (LS - http://en.wikipedia.org/wiki/Least_squares) k nalezení optimální prokládající regresní křivky v lineárním modelu. Výpočet tohoto extrému pro ověření lokálního minima LS vede na matici druhé derivace rovnající se Gramově matici nezávislého souboru naměřených dat v odhadovaném modelu, tedy s positivně definitními všemi hlavními subdeterminanty.

Ano, je to tak, látka je na cvičeních někdy probírána mírně odlišně od přednášky, např. derivace v R^n se na přednášce dělají na afinních 'šipkovaných' prostorech, zatímco na cvičení jsou na běžném R^n. Afinní formulace je spíše vhodná pro fyzikální problémy. Myslím ale, že není na škodu, když vesměs zdatní studenti 2.roč. uvidí na cvičení i lehce odlišný přístup k probírané látce a dozvědí se určitá zjednodušení, zobecnění nebo objasňující formulace, které se masivně objevují ve standardní literatuře.

děkuje a zdraví KůsV.