Předmět: Programové zpracování dat

« Zpět
Název předmětu Programové zpracování dat
Kód předmětu KGI/PRODA
Organizační forma výuky Cvičení + Seminář
Úroveň předmětu Magisterský
Rok studia nespecifikován
Semestr Letní
Počet ECTS kreditů 4
Vyučovací jazyk Čeština
Statut předmětu Povinně-volitelný
Způsob výuky Kontaktní
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Dobešová Zdena, doc. Ing. Ph.D.
  • Vojtěchovská Michaela, Mgr.
Obsah předmětu
1. Programové prostředí Pythonu (instalace, nastavení, generování kódu pomocí AI) 2. Základní práce s daty (CSV, JSON, funkce v Pythonu, instalace balíčků a konverze do jiných formátů) 3. Jupyter Notebook pro interaktivní kódování (principy, použití v ArcGIS Pro) 4. Numerické výpočty v NumPy (průměr, suma a další agregační funkce, multidemenzionální pole, ...) 5. Datová analýza v Pandas (DataFrame, třídění, řazení a spojování tabulek) 6. Vizualizace dat v Matplotlib (grafy a přizpůsobení os, titulků a legend, interaktivní vizualizace) 7. GeoPandas pro prostorová data (GeoDataFrame, vizualizace prostorových dat, základní prostorové operace) 8. Základy strojového učení ve Sci-kit (výběr modelu a jeho vyhodnocení) 9. Konvoluční neuronové sítě z knihovny TensorFlow (klasifikace obrazu pomocí CNN, nastavení TensorFlow, testovací a trénovací sada) 10. Obhajoba semestrálního projektu

Studijní aktivity a metody výuky
Přednášení, Laborování
  • Domácí příprava na výuku - 2 hodiny za semestr
  • Semestrální práce - 15 hodin za semestr
Výstupy z učení
Předmět poskytuje základní přehled a dovednosti v oblasti zpracování dat pomocí programovacího jazyka Python. Získané praktické znalosti a postupy budou východiskem pro samostatnou tvorbu programů studenty formou samostatného praktického semestrálního projektu.
Předmět zaměřený na získání znalostí a dovedností programování v jazyce Python.
Předpoklady
Aplikace znalostí z předchozího studia.

Hodnoticí metody a kritéria
Známkou, Seminární práce, Písemný test

Ověření výsledků: ústní a písemné. Další požadavky: semestrální projekt, prezentace, docházka 80 %.
Doporučená literatura
  • Data Camp courses: Writing function, Geometries and shapefiles.
  • Diener M. Python Geospatial Analysis Cookbok. 2015.
  • Chollet, F. (2019). Deep learning v jazyku Python: knihovny Keras, Tensorflow. Praha, Grada Publishing. Knihovna programátora (Grada).
  • Pecinovský, R. (2022). Python - knihovny pro práci s daty pro verzi 3.11. Grada.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr
Fakulta: Přírodovědecká fakulta Studijní plán (Verze): Geoinformatika a kartografie (2020) Kategorie: Geografické obory 1 Doporučený ročník:1, Doporučený semestr: Letní