Detail předmětu

Zpracování a vizualizace dat v prostředí Python

FP-zvpPAk. rok: 2026/2027

Cílem předmětu je seznámit studenty s problematikou získávání, zpracování, analýzy a vizualizace dat. Z možných nástrojů byl zvolen multiplatformní skriptovací jazyk Python, který má propracovaný ekosystém nabízející bohaté spektrum rozšiřujících knihoven ať již ve formě nativního kódu či z pohledu výkonnosti efektivních nástaveb implementovaných v jazyce C/C++.
V rámci přednášek se studenti seznámí s konstrukcemi jazyka Python, metodami získávání, ukládání a manipulací s daty, možnostmi pokročilých výpočtů v numerické i symbolické rovině a vizualizací získaných dat. V předmětu studenti také získají přehled o vlastnostech technik pro pokročilou analýzu datových závislostí a jejich aplikací pro různá data. Na závěr budou ukázány možnosti rozšíření jazyka Python o vlastní konstrukce a techniky umožňující efektivně potlačit nevýhody interpretovaného jazyka pro potřeby aplikací orientovaných na výkonnost. V rámci praktické části (projektu) si studenti projdou všemi fázemi zpracování velkých dat - od fáze návrhu, přes zpracování až po následnou analýzu a vizualizaci.

Podmínky zápočtu
Získání minimálně 50 bodů celkem a minimálně 2 body z každé části projektu.

 

Jazyk výuky

čeština

Počet kreditů

4

Garant předmětu

doc. Ing. Zdeněk Vašíček, Ph.D.

Zajišťuje ústav

Fakulta podnikatelská (FP)

Vstupní znalosti

Základní znalosti imperativního programování a algoritmizace, znalost základních pojmů a operací z lineární algebry (vektory, práce s maticemi, lineární operace apod.) a statistiky. 

Pravidla hodnocení a ukončení předmětu

Hodnocení je uděleno na základě samostatně vypracovaného a odevzdaného projektu, jehož implementace se skládá ze tří částí (získání dat, předzpracování a analýza dat, generování zprávy). Každá část je hodnocena samostatně. Student obdrží zpětnou vazbu ke své práci, kterou zapracuje do finálního řešení. První dvě části se odevzdávají v průběhu semestru a mohou být hodnoceny až 20 body každá. Za finální řešení lze získat až 60 bodů.
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 seznámit studenty s problematikou získávání, zpracování a analýzy dat v prostředí jazyka Python. V rámci předmětu bude jazyk Python představen jako nástroj pro efektivní manipulaci s daty.
Student získá obecný přehled o základních i pokročilých metodách analýzy dat a základních i pokročilých aspektech jazyka Python, který se naučí používat ve spojení s moderními matematickými knihovnami a knihovnami pro pokročilou analýzu a modelování dat. Pochopí, jakým způsobem fungují techniky implementované v těchto knihovnách obecně a naučí se, na jaká data je která technika vhodná.
Kromě obecných znalostí základních technik zpracování dat student získá přehled o efektivním vykonávání kritických částí programu, rozšíření jazyka o vlastní moduly psané v C/C++ či problematice instalací knihoven do izolovaného prostředí či kontejnerů.
Student absolvováním předmětu pochopí, jak efektivně získávat, analyzovat a vizualizovat data různého rozsahu. Získané vědomosti může pak využít pro řešení netriviálních inženýrských a vědeckých úloh či pro vyhodnocování dat pro účely řízení a rozhodování. 

Doporučená literatura

Jake VanderPlas: Python Data Science Handbook (ISBN: 978-1-491-91205-8, dostupné v online zdrojích knihovny), 2016
Mark Pilgrim: Ponořme se do Pythonu 3 (ISBN: 978-80-904248-2-1, dostupné online),2024
Robert Johansson: Numerical Python (2019, ISBN: 978-1-4842-4245-2), 2019
Samir Madhavan: Mastering Python for Data Science (ISBN: 978-17-843901-5-0), 2015

Zařazení předmětu ve studijních plánech

  • Program BAK-MIn bakalářský 3 ročník, zimní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

doc. Ing. Zdeněk Vašíček, Ph.D.

Osnova

  1. Úvod do jazyka I
  2. Úvod do jazyka II
  3. Získávání dat a datová perzistence
  4. Efektivní realizace operací nad n-dimenzionálními poli
  5. Nástroje pro pokročilou manipulaci s daty
  6. Základní přístupy k vizualizaci dat
  7. Základní metody analýzy dat a datových závislostí
  8. Pokročilé přístupy k vizualizaci dat
  9. Pokročilé metody analýzy dat a datových závislostí
  10. Práce s obrazovými daty a možnosti prezentace dat
  11. Pokročilé operace nad časovými řadami
  12. Výpočty v symbolické doméně
  13. Možnosti akcelerace kódu pro potřeby HPC

Projekt

13 hod., povinná

Vyučující / Lektor

doc. Ing. Zdeněk Vašíček, Ph.D.

Osnova

Cílem projektu je vytvořit skript, který postupně z veřejně dostupných zdrojů získá data, nad kterými se provede analýza a tato se prezentuje formou zprávy. Hodnocení projektu zohlední kvalitu kódu, výsledné analýzy a vygenerované zprávy.

Odborné znalosti
Studenti se seznámí s jazykem Python, jeho konstrukcemi, knihovnami a možnostmi pro analýzu a vizualizaci dat.
Odborné dovednosti
Studenti si prakticky vyzkouší zpracování dat od návrhu po vizualizaci, včetně využití pokročilých výpočtů a rozšíření jazyka.
Obecné způsobilosti
Studenti rozvinou schopnost samostatně řešit datové úlohy, pracovat na projektu a prezentovat výsledky.

Samostudium

12 hod., nepovinná

Vyučující / Lektor

doc. Ing. Zdeněk Vašíček, Ph.D.

Individuální příprava na ukončení

50 hod., nepovinná

Vyučující / Lektor

doc. Ing. Zdeněk Vašíček, Ph.D.