Přístupnostní navigace
E-přihláška
Vyhledávání Vyhledat Zavřít
Detail předmětu
FP-daPAk. rok: 2026/2027
Tento kurz nabízí prakticky orientovaný vhled do světa datové analýzy v manažerském prostředí. Studenti si osvojí klíčové koncepty a moderní nástroje pro práci s daty, jako jsou Excel, Power BI nebo R, a naučí se, jak data využít pro informované rozhodování. Kurz pokrývá široké spektrum témat od vizualizace dat přes prediktivní modelování až po etické a bezpečnostní aspekty práce s daty. Důraz je kladen na reálné aplikace, kritické myšlení a schopnost interpretovat data v kontextu byznysu.
Jazyk výuky
Počet kreditů
Příslušnost k typu studijního programu
Garant předmětu
Zajišťuje ústav
Vstupní znalosti
Předpokládají se základní znalosti z oblasti ekonomie, informatiky a programování, znalosti algoritmů, datových struktur a základní znalosti z matematiky a statistiky.
Způsob zakončení předmětu a pravidla hodnocení studentů
Zápočet:* Půlsemestrální test: Vypracování praktického úkolu dle zadání (40 bodů). Minimální počet bodů je 20.* Projekt: Jeden projekt dle zadání s příslušnou dokumentací (60 bodů). Minimální počet bodů je 30. (Zadání je představeno na třetí přednášce.)* Plagiátorství nebo nedovolená spolupráce na projektech či testech povede k neudělení zápočtu a může být zahájeno disciplinární řízení.* Student musí během semestru získat alespoň 50% bodů, tedy 50 bodů ze 100.Zkouška:* Vypracování praktického příkladu a ústní přezkoušení.* (Ze zápočtu se žádné body ke zkoušce nepřevádí.)* Hodnocení zkoušky je v souladu s klasifikací ECTS.Zakončení předmětu pro studenty s individuálním studijním plánem (ISP):* Zápočet: Vypracování projektu dle zadání s příslušnou dokumentací. (Zadání je představeno na třetí přednášce a dostupné v rámci e-learningu. Minimálně 50 bodů ze 100.)* Zkouška: Ústní přezkoušení. Hodnocení zkoušky je v souladu s klasifikací ECTS.* Pro ISP jsou podmínky identické, vyjma případné povinné účasti ve výuce.* Termíny pro zakončení předmětu se domlouvají individuálně dle podmínek schválených v ISP.
Učební cíle
Cílem předmětu je vybavit studenty schopnostmi potřebnými k aplikaci metod a nástrojů pro analýzu dat v reálných manažerských situacích. Studenti se naučí sbírat, čistit a analyzovat data, identifikovat vzory a trendy, vytvářet prediktivní modely a aplikovat strojové učení. Důraz je kladen na praktické dovednosti a aplikaci teoretických znalostí na reálné problémy, což zahrnuje i práci na závěrečném projektu.
Studijní opory
Studijní opory jsou dostupné v e-learningu.
Základní literatura
Doporučená literatura
Zařazení předmětu ve studijních plánech
Přednáška
Vyučující / Lektor
Osnova
1. Fundamentals of Managerial Data Analysis(Introduction to the course and its objectives, the importance of data analysis in managerial practice, key concepts, overview of tools such as Excel, R, Python, data access and its role in decision-making)2. Statistical and Analytical Foundations(Descriptive statistics, probability distributions, basic statistical tests, interpretation of results, working with confidence intervals and p-values)3. Data Preparation and Management(Data sources and acquisition, data cleaning and transformation, handling missing values, data types and formats, basic principles of data quality)4. Exploratory and Visual Data Analysis(Exploratory Data Analysis – EDA, data visualization using charts and dashboards, identifying trends, correlation vs. causation, storytelling with data)5. Advanced Modeling and Prediction(Introduction to predictive modeling, linear and logistic regression, classification models, basics of machine learning, supervised vs. unsupervised learning, business applications)6. Decision-Making, Ethics, and Practical Applications(Data-driven decision making, KPIs and performance metrics, optimization and simulation models, time series analysis, text and sentiment analysis, data ethics and security)
Cvičení
1. Introduction to Managerial Data Analysis (Overview of the course and objectives, Basic concepts and the importance of data analysis for managers, Introduction to data analysis tools (e.g., Excel, R, Python))2. Statistical Foundations for Data Analysis (Descriptive statistics, Probability and distributions, Basic statistical tests)3. Data Collection and Preparation for Analysis (Data sources and acquisition, Data cleaning and transformation, Handling missing values)4. Working with Big Data (Introduction to Big Data, Tools and technologies for working with Big Data (e.g., Hadoop, Spark), Basic operations and functions)5. Exploratory Data Analysis (EDA) (Data visualisation for EDA, Identifying patterns and trends, Correlation and causality)6. Predictive Modelling (Introduction to predictive modelling, Regression analysis, Classification models)7. Machine Learning for Managers (Basic concepts and techniques of machine learning, Supervised vs. unsupervised learning, Applications of machine learning in business)8. Optimisation and Decision Models (Linear programming, Simulation models, Applications of optimisation techniques)9. Time Series Analysis (Introduction to time series, Smoothing and decomposition, Time series forecasting)10. Sentiment Analysis and Text Analytics (Introduction to text analytics, Sentiment analysis techniques, Applications of text analytics in business)11. Data-Driven Decision Making (Data-driven decision-making process, KPIs and performance metrics, Dashboards for managers)12. Data Ethics and Security (Ethical aspects of data analysis, Personal data protection, Security measures)13. Final Project and Presentation (Working on the final project, Project presentations in class, Feedback and evaluation)
Odborné znalosti:Studenti porozumí funkci dat v procesu rozhodování.Odborné dovednosti:Studenti se naučí používat nástroje a technologie pro transformaci a analýzu dat.Obecné způsobilosti: Studenti budou schopni porozumět datům a tyto interpretovat.
Samostudium
Individuální příprava na ukončení