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

Garant předmětu:

Martin Molhanec

Přednášející:

Martin Molhanec

Cvičící:

Martin Molhanec

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: