Detail předmětu

Programování v Pythonu – Data Science

FSI-VPDAk. rok: 2026/2027

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.

Jazyk výuky

čeština

Počet kreditů

4

Garant předmětu

Ing. Jiří Kovář, Ph.D.

Zajišťuje ústav

Ústav automatizace a informatiky (ÚAI)

Vstupní znalosti

Základy programování na úrovni kurzu VP0 (Programování v Pythonu).

Pravidla hodnocení a ukončení předmětu

Aktivní účast a zvládnutí zadaného problému v požadované kvalitě.
Výuka běží podle týdenních plánů. Účast na cvičeních je povinná. Způsob nahrazení zameškaných cvičení je plně v kompetenci vyučujícího.

Učební cíle

Porozumět využití jazyka Python a jeho knihoven (pandas, numpy, matplotlib aj.) pro oblast Data Science. Pokročilé programování v Pythonu.
Po úspěšné zvládnutí předmětu budou studenti schopni využít znalosti v praktických oblastech Data Science. Hlavním cílem datových specialistů je vyčistit a analyzovat velká data.

Studijní opory

https://www.kaggle.com/

VANDERPLAS, J., Python Data Science Handbook: Essential Tools for Working with Data, 978-1098121228, 2023

https://jupyter.org/

GÉRON, A., Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, 2022, 978-1098125974

Základní literatura

BERKA, Petr, 2003. Dobývání znalostí z databází. Praha: Academia. ISBN 80-200-1062-9. (CS)
VANDERPLAS, Jacob T., [2017]. Python data science handbook: essential tools for working with data. Beijing: O'Reilly. ISBN 978-1-4919-1205-8. (EN)
VANDERPLAS, Jacob T., [2017]. Python data science handbook: essential tools for working with data. Beijing: O'Reilly. ISBN 978-1-4919-1205-8. (EN)

Zařazení předmětu ve studijních plánech

  • Program N-AIŘ-P magisterský navazující 1 ročník, letní semestr, povinný
  • Program N-MAI-P magisterský navazující 2 ročník, letní semestr, volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Ing. Jiří Kovář, Ph.D.

Osnova

1. Úvod do předmětu a Python ekosystému
2. Principy programování v Pythonu – opakování a systematizace
3. Datové struktury I – teorie a použití
4. Datové struktury II – funkce, moduly, OOP základ
5. Práce s daty – formáty a principy
6. Python pro datovou analytiku – knihovny a ekosystém
7. Zdroje dat I – strukturovaná a otevřená data
8. Zdroje dat II – nestrukturovaná a streamovaná data
9. Datové streamy a zpracování v reálném čase
10. Python a AI I – základy strojového učení
11. Python a AI II – pokročilejší přístupy
12. Integrace Python řešení I – aplikace a služby
13. Integrace Python řešení II – automatizace a DevOps

Cvičení s počítačovou podporou

26 hod., povinná

Vyučující / Lektor

Ing. Jiří Kovář, Ph.D.

Osnova

1. Seznámení s prostředím.
2. Základy jazyka Python - opákování
3. - 4. Datové struktury v jazyce Python, funkce apod.
5. Práce se soubory typu CSV, JSON apod.
6. Pandas, NumPy, Seaborn, Plotly, Matplotlib
7. a 8. Práce se zdroji dat
9. Zpracování data v oblasti datových streamů
10. a 11. Python a AI/ML
12. a 13. Integrace Python řešení v reálných aplikacích - projekt