|
Vyučující
|
-
Vohnoutová Marta, Ing.
-
Symonová Radka, doc. Mgr. Ph.D.
|
|
Obsah předmětu
|
1. Linux - základní platforma pro datovou analýzu i bioinformatiku 2. Jupyter Notebook a Jupyterhub - dokumentace a programování v jednom 3. Itertools - knihovna pro kombinatoriku 4. Numpy - prostředek pro numerickou matematiku a vícedimenzionální matice 5. Scipy - algoritmy pro interpolaci a integraci 6. Pandas - nástroj pro analýzy a vizualizace dat 7. Matplotlib a Seaborn - nástroje pro tvorbu grafů 8. Paralelní Python v kostce - optimalizace výpočtů 9. Základy objektového programování v Pythonu Práce s daty, získanými z reálného prostředí univerzity nebo firem. Aplikování probíraných Python knihoven na zpracování dat.
|
|
Studijní aktivity a metody výuky
|
- Domácí příprava na výuku
- 50 hodin za semestr
- Příprava na zkoušku
- 25 hodin za semestr
|
|
Výstupy z učení
|
Cílem předmětu je naučit se využívat rozsáhlé možnosti knihoven Python především se zaměřením na numerické a vědecké výpočty, big data, základní statistické analýzy biologických dat a dále na zobrazování dat ve formě nejrůznějších grafů. Knihovny, na které bude výuka jmenovitě zaměřena jsou - Itertools - Numpy - Scipy - Matplotlib - Seaborn - Pandas Práce s knihovnami aplikovaného Pythonu budou zaměřeny na získání praktických zkušeností a také zpracovávaná data budou přebírána převážně z praxe na základě požadavků jednotlivých týmů Jihočeské univerzity. Součástí výuky bude i Semestrální projekt, který bude vždy určen pro týmy studentů. Vypracovaný Semestrální projekt budou muset jednotlivé týmy pro udělení zápočtu obhájit.
|
|
Předpoklady
|
UAI 735I/UAI 673 Python Basics/Python základy
|
|
Hodnoticí metody a kritéria
|
nespecifikováno
Seminární práce zahrnující vlastní analýzy s detailní dokumentací.
|
|
Doporučená literatura
|
-
Hands-On Data Analysis with Pandas - Stefanie Molin (2021).
-
Matplotlib 3.0 Cookbook - Benjamin Walter Keller (2018).
-
Python Data Analysis - Third Edition - Ivan Idris | Armando Fandango (2017).
|