Programování v Pythonu – Data Science (FSI-VPD)

Akademický rok 2025/2026
Garant: Ing. Jiří Kovář, Ph.D.  
Garantující pracoviště: ÚAI všechny předměty garantované tímto pracovištěm
Jazyk výuky: čeština
Cíle předmětu:
 
Výstupy studia a kompetence:
 
Prerekvizity:
 
Obsah předmětu (anotace):

Studenti budou s využitím programovacího jazyka Python a jeho knihoven, řešit úlohy z oblasti Data Science.

Student bude seznámem s ekosystémem aplikací a prostředků vývoje v Pythonu pro různé úlohy v oblasti Data Science.
Metody vyučování:
 
Způsob a kritéria hodnocení:
 
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky:
 
Typ (způsob) výuky:
    Přednáška  13 × 2 hod. nepovinná                  
    Cvičení s počítačovou podporou  13 × 2 hod. povinná                  
Osnova:
    Přednáška P1: Přehled základních metod strojového učení a aplikované statistiky.
P2: Pokročilé metody strojového učení. Kombinace učících algoritmů. Učení v multirelačních datech. Dolování v grafech a sekvencích.
P3: Big data analytics. Teorie strojového učení Bias-varinace tradeoff. Modely učení. Vizualizace dat.
P4: Hledání častých vzorů a asociačních pravidel: algoritmus Apriori; alternativy; časté vzory v multirelačních datech. Detekce odlehlých bodů.
P5: Dobývání znalostí z vybraných typů dat: dolování v textu, dolování v temporálních a časově prostorových datech, dobývání znalostí z webu, biologické vědy a bioinformatika.
    Cvičení s počítačovou podporou

1. Seznámení s prostředím.
2.-12. Projektovou formou reflektuje cvičení obsah přednášek (4 projekty i s obhajobou, checkpointy).
13. Prezentace projektů, opakování, konzultace.
Literatura - základní:
1. VANDERPLAS, Jacob T., [2017]. Python data science handbook: essential tools for working with data. Beijing: O'Reilly. ISBN 978-1-4919-1205-8.
2. BERKA, Petr, 2003. Dobývání znalostí z databází. Praha: Academia. ISBN 80-200-1062-9.
3. VANDERPLAS, Jacob T., [2017]. Python data science handbook: essential tools for working with data. Beijing: O'Reilly. ISBN 978-1-4919-1205-8.
Zařazení předmětu ve studijních programech:
Program Forma Obor Spec. Typ ukončení   Kredity     Povinnost     St.     Roč.     Semestr  
N-MAI-P prezenční studium --- bez specializace -- kl 4 Volitelný 2 2 L
N-AIŘ-P prezenční studium --- bez specializace -- kl 4 Povinný 2 1 L