Detail předmětu
Programování v Pythonu – Data Science
FSI-VPD Ak. rok: 2026/2027 Letní semestr
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
Zajišťuje ústav
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
VANDERPLAS, J., Python Data Science Handbook: Essential Tools for Working with Data, 978-1098121228, 2023
GÉRON, A., Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, 2022, 978-1098125974
Použití předmětu ve studijních plánech
Program N-AIŘ-P: Aplikovaná informatika a řízení, magisterský navazující, povinný
Program N-MAI-P: Matematické inženýrství, magisterský navazující, volitelný
Typ (způsob) výuky
Přednáška
26 hod., nepovinná
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
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