Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2019/2020

Software v průmyslovém inženýrství

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
XP13SID Z,ZK 4 2P+2C česky
Přednášející:
Martin Molhanec (gar.)
Cvičící:
Martin Molhanec (gar.)
Předmět zajišťuje:
katedra elektrotechnologie
Anotace:

Význam používání software v průmyslovém inženýrství. Použití osobního počítače kompatibilního s IBM PC a Apple. Využití paměti osobního počítače, oprava chyb na disku. Aplikace grafických programů v elektrotechnické praxi. Aplikace matematických programů v elektrotechnické praxi, programování pro grafické znázorňování naměřených hodnot, programů typu „spreadsheet“ v elektrotechnické praxi, databází pro ukládání výsledků výpočtů, textových editorů a systémů DTP pro dokumentaci, programů CAD v elektrotechnické praxi. Používání grafického uživatelského prostředí (MS Windows). Používání stanic s OS UNIX v průmyslovém inženýrství. Využívání informačních zdrojů WAN v elektrotechnické praxi. Historie osobních počítačů a jejich využití v elektrotechnice.

Výsledek studentské ankety předmětu je zde: http://www.fel.cvut.cz/anketa/aktualni/courses/XP13SID

Požadavky:

Podmínkou zápočtu je docházka na cvičení, odevzdání všech úloh a úspěšné absolvovální zápočtového testu. Další informace jsou na webových stránkách předmětu.

Osnova přednášek:

1) Formáty měřených dat: csv, fixní data. Další formáty používané pro zpracování a archivaci: xml, json. Strukturovana a nestrukturovana data. Data na Internetu a v databazi. Textová data.

2) Nástroje na zpracování csv a dalších typů dat. Dávkove zpracování dat ve Windows a Linuxu. Vhodné skriptovací jazyky ve Windows a Linuxu. Příkazová řádka. Použití pipe a přesměrování.ve Windows nebo Linuxu.

3) Manipulace s daty, vyhledávání v datech, změna dat a jejich filtrování. Jazyk SQL (základ). Xpath (základ). Správnost dat. Čištění dat.

4) Statistické zpracovaní dat. Mean a průměr. Rozptyl, standardní odchylka. Populace a výběr. Korelace a kovariace. Testování hypotéz. Testy normality. Anova (základ). Výpočet modelu, metoda nejmenších čtverců.

5) Vizualizace dat a jejich interpretace. Scatter diagram, boxplot, sloupcový diagram. Histogram. Koláčový diagram. Další 2D a 3D diagramy. Zasady tvorby diagramů pro znázornění technologických dat. Popisy os. Volba barev.

6) Excel a jeho využití pro zpracování dat. Pojmenované oblasti. Array funkce a konstanty. Tabulky. Matice. Kontingenční tabulky. Grafy s ohledem na statistické výstupy. Add-Ins. VBA (zaklad).

7) Matlab (základy Matlabu by měli znát už z jiných předmětů) a jemu podobné. Zpracovaní csv dat. Statistický toolbox. Spojení s databází. Vizualizace s ohledem na statistické vystupy.

8) Mathematica (základy by měli již znát z kurzů matematiky). Podobně jako u Matlabu probrat zpracování dat, tj. získání, filtrování, statistika a vhodná vizualizace.

9) Python a Julia. Základy Jazyka. Knihovny pro zpracování dat. Použití pro zpracování dat. Data z Internetu a přístup do databáze.

10) Python a Julia. Náročnější konstrukce. Práce s maticemi. Funkcionální přístup. Pandoc knihovna. Statistika a grafické výstupy.

11) R systém. Základy jazyka. Práce s daty. Statistika. Grafický výstup.

12) Interpretace dat. Co se dá z dat usoudit. Regrese, korelace, optimalizace, simulace.

13) Prezentace dat. Publikování dat. Open access. Autorská práva.

14) Rozhraní, kterými data získáváme.

Osnova cvičení:

1) Formáty měřených dat: csv, fixní data. Další formáty používané pro zpracování a archivaci: xml, json. Strukturovana a nestrukturovana data. Data na Internetu a v databazi. Textová data.

2) Nástroje na zpracování csv a dalších typů dat. Dávkove zpracování dat ve Windows a Linuxu. Vhodné skriptovací jazyky ve Windows a Linuxu. Příkazová řádka. Použití pipe a přesměrování.ve Windows nebo Linuxu.

3) Manipulace s daty, vyhledávání v datech, změna dat a jejich filtrování. Jazyk SQL (základ). Xpath (základ). Správnost dat. Čištění dat.

4) Statistické zpracovaní dat. Mean a průměr. Rozptyl, standardní odchylka. Populace a výběr. Korelace a kovariace. Testování hypotéz. Testy normality. Anova (základ). Výpočet modelu, metoda nejmenších čtverců.

5) Vizualizace dat a jejich interpretace. Scatter diagram, boxplot, sloupcový diagram. Histogram. Koláčový diagram. Další 2D a 3D diagramy. Zasady tvorby diagramů pro znázornění technologických dat. Popisy os. Volba barev.

6) Excel a jeho využití pro zpracování dat. Pojmenované oblasti. Array funkce a konstanty. Tabulky. Matice. Kontingenční tabulky. Grafy s ohledem na statistické výstupy. Add-Ins. VBA (zaklad).

7) Matlab (základy Matlabu by měli znát už z jiných předmětů) a jemu podobné. Zpracovaní csv dat. Statistický toolbox. Spojení s databází. Vizualizace s ohledem na statistické vystupy.

8) Mathematica (základy by měli již znát z kurzů matematiky). Podobně jako u Matlabu probrat zpracování dat, tj. získání, filtrování, statistika a vhodná vizualizace.

9) Python a Julia. Základy Jazyka. Knihovny pro zpracování dat. Použití pro zpracování dat. Data z Internetu a přístup do databáze.

10) Python a Julia. Náročnější konstrukce. Práce s maticemi. Funkcionální přístup. Pandoc knihovna. Statistika a grafické výstupy.

11) R systém. Základy jazyka. Práce s daty. Statistika. Grafický výstup.

12) Interpretace dat. Co se dá z dat usoudit. Regrese, korelace, optimalizace, simulace.

13) Prezentace dat. Publikování dat. Open access. Autorská práva.

14) Rozhraní, kterými data získáváme.

Cíle studia:

Cílem studia je získat dostatečné znalosti práce s osobním počítačem v inženýrských aplikacích.

Student by měl být schopen samostatné práce na osobním počítači a rozumět jeho principům.

Studium je zaměřeno a využití počítače pro práci v technických oborech.

Studijní materiály:

[1] Josef Pecinovský, Windows 7, Grada, 2009

[2] Josef pecinovský, Rudolf Pecinovský, Office 2010, Grada 2011

[3] Smith Roderick W., Linux ve světě Windows, Grada 2006

[4] William R. Stanek, Mistrovství v Microsoft Windows Server 2008, Computer Press, 2011

Poznámka:
Další informace:
https://moodle.fel.cvut.cz/courses/XP13SID
Rozvrh na zimní semestr 2019/2020:
06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po
Út
místnost T2:C4-264
Molhanec M.
16:15–17:45
(přednášková par. 1)
Dejvice
Laborator 264
místnost T2:C4-264
Molhanec M.
18:00–19:30
(přednášková par. 1
paralelka 1)

Dejvice
Laborator 264
St
Čt

Rozvrh na letní semestr 2019/2020:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 9. 8. 2020
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet11850204.html