Práce s daty
| Kód | Zakončení | Kredity | Rozsah |
|---|---|---|---|
| 14PD | Z,ZK | 6 | 2P+4C |
- Garant předmětu:
- Martin Šrotýř
- Přednášející:
- Michal Jeřábek, Martin Šrotýř, Miroslav Vaniš
- Cvičící:
- Michal Jeřábek, Martin Šrotýř, Miroslav Vaniš
- Předmět zajišťuje:
- katedra aplikované informatiky v dopravě
- Anotace:
-
Studenti se seznámí s nástroji pro zpracování a analýzu dat, na příkladech z praxe si vyzkouší nejčastější možnosti používané při zpracování dat včetně pokročilých možností při prezentaci výsledků analýz. V rámci pokročilých metod budou studenti provádět i specifickou analýzu pomocí Bayesovských sítí. Studenti budou následně samostatně provádět datovou analýzu na datech z existujících otevřených systémů.
- Požadavky:
-
Schopnost logického myšlení, znalost základů algoritmizace a základů libovolného programovacího jazyka na úrovni odpovídající danému ročníku studia technické univerzity.
- Osnova přednášek:
-
1. část seznamuje s nástroji na zpracování dat a je dělena do 3 bloků:
Blok 1: seznámení s R - prostředí, koncept, základy, jednoduché příklady, základní knihovny, jejich příklady a použití (nainstalování R u studentů)
Blok 2: aplikované R - aplikované příklady z praxe, knihovna s mapou, získávání dat z různých zdrojů a jejich úprava (GIS, RDBMS, CSV, apod)
Blok 3: pokročilé R - interaktivní prezentační modul (shiny), další moduly dle domluvy
2. část se zabývá konkrétním modelem pro zpracování dat, Bayesovskými sítěmi a je také dělena do 3 bloků:
Blok 1: Základy Bayesovských sítí, specializovaný software pro Bayesovské sítě, modelování, základy teorie grafů a pravděpodobnosti.
Blok 2: Příprava dat na následné využití Bayesovských sítí, vykreslení první Bayesovské sítě, algoritmy na učení sítě, parametrů, inferencí; propojení s GeNií.
Blok 3: Provádění inferencí v Bayesovských sítích.
- Osnova cvičení:
-
1. část seznamuje s nástroji na zpracování dat a je dělena do 3 bloků:
Blok 1: seznámení s R - prostředí, koncept, základy, jednoduché příklady, základní knihovny, jejich příklady a použití (nainstalování R u studentů)
Blok 2: aplikované R - aplikované příklady z praxe, knihovna s mapou, získávání dat z různých zdrojů a jejich úprava (GIS, RDBMS, CSV, apod)
Blok 3: pokročilé R - interaktivní prezentační modul (shiny), další moduly dle domluvy
2. část se zabývá konkrétním modelem pro zpracování dat, Bayesovskými sítěmi a je také dělena do 3 bloků:
Blok 1: Základy Bayesovských sítí, specializovaný software pro Bayesovské sítě, modelování, základy teorie grafů a pravděpodobnosti.
Blok 2: Příprava dat na následné využití Bayesovských sítí, vykreslení první Bayesovské sítě, algoritmy na učení sítě, parametrů, inferencí; propojení s GeNií.
Blok 3: Provádění inferencí v Bayesovských sítích.
- Cíle studia:
-
Cílem předmětu je primárně studenty seznámit s nástroji pro zpracování a analýzu dat, na příkladech z praxe společně vyzkoušet nejčastější možnosti používané při zpracování dat včetně pokročilých možností při prezentaci výsledků analýz.
- Studijní materiály:
-
Jan Rauch, Milan Šimůnek: Dobývání znalostí z databází, LISp-Miner a GUHA. Praha: Oeconomica VŠE, 2014.
Petr Berka: Dobývání znalostí z databází. Praha: Academia, 2003.
Irena Holubová, Karel Minařík, David Novák, Jiří Kosek: Big Data a NoSQL databáze.
Arun K. Somani, Ganesh Chandra Deka: Big Data Analytics. CRC Press, 2017.
- Poznámka:
- Rozvrh na zimní semestr 2024/2025:
- Rozvrh není připraven
- Rozvrh na letní semestr 2024/2025:
-
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 St Čt Pá - Předmět je součástí následujících studijních plánů:
-
- Mgr. prezenční IS (CS) od 2023/24 (povinný předmět)
- Mgr. prezenční IS (CS) od 2024/25 (povinný předmět)
- Mgr. prezenční IS (CS) od 2025/26 (povinný předmět)