|
Vyučující
|
-
Nykl Michal, Ing. Ph.D.
-
Dostal Martin, Ing. Ph.D.
|
|
Obsah předmětu
|
1. Vývojové prostředí (IDE, textový editor, pluginy). 2. Zpracování číselných dat - datové struktury, matematické výpočty a statistické funkce. 3. Opakování a prohloubení znalostí - řídící struktury, debugování. 4. Techniky uložení informace - při běhu a po ukončení programu. 5. Zapouzdření kódu - funkce, procedury, objekty. 6.-7. Proces vývoje sw, dekompozice problému. Ověřování správnosti programu, testování. 8.-9. Zpracování textových informací a export do formátů pro další zpracování (XML, JSON, CSV). 10.-11. Způsoby vizualizace dat - online a offline techniky. Interpretace dat. 12.-13. Volání externích aplikací, rozhraní webových služeb (API, REST). Prostředí pro spouštění kódu.
|
|
Studijní aktivity a metody výuky
|
- Vypracování seminární práce v magisterském studijním programu [5-100]
- 40 hodin za semestr
- Příprava na zkoušku [10-60]
- 40 hodin za semestr
- Kontaktní výuka
- 52 hodin za semestr
|
| Předpoklady |
|---|
| Odborné znalosti |
|---|
| Vysvětlit základní pojmy ze statistiky a matematiky na úrovni látky ze střední školy. |
| Student má základní znalosti ohledně fungování počítače. |
| Student zná základní formáty pro uložení textových informací. |
| Odborné dovednosti |
|---|
| ovládat pc na pokročilé úrovni |
| obstojně ovládat tabulkový procesor typu MS Excel |
| Obecné způsobilosti |
|---|
| bc. studium: vytváří hypotézy, navrhuje postupné kroky, zvažuje využití různých postupů při řešení problému nebo ověřování hypotézy, |
| bc. studium: efektivně využívá moderní informační technologie, |
| bc. studium: používá s porozuměním odborný jazyk a symbolická a grafická vyjádření informací různého typu, |
| Výsledky učení |
|---|
| Odborné znalosti |
|---|
| Absolvováním student získá znalosti v oblasti přípravy, analýzy a zpracování dat různého typu. |
| Pokročilé znalosti v oblasti programování v Pythonu v oblasti zpracování textových dat a jejich vizualizace. |
| Odborné dovednosti |
|---|
| praktickou schopností analyzovat data a vyvozovat z nich závěry |
| student dovede předzpracovat, analyzovat a vizualizovat textová vstupní data |
| Obecné způsobilosti |
|---|
| mgr. studium: dle vyvíjejících se souvislostí a dostupných zdrojů vymezí zadání pro odborné činnosti, koordinují je a nesou konečnou odpovědnost za jejich výsledky, |
| Vyučovací metody |
|---|
| Odborné znalosti |
|---|
| Přednáška založená na výkladu, |
| Přednáška s demonstrací, |
| Přednáška s aktivizací studentů, |
| Odborné dovednosti |
|---|
| Přednáška s demonstrací, |
| Cvičení (praktické činnosti), |
| Demonstrace dovedností, |
| Obecné způsobilosti |
|---|
| Přednáška založená na výkladu, |
| Přednáška s demonstrací, |
| Cvičení (praktické činnosti), |
| Hodnotící metody |
|---|
| Odborné znalosti |
|---|
| Kombinovaná zkouška, |
| Seminární práce, |
| Individuální prezentace, |
| Odborné dovednosti |
|---|
| Kombinovaná zkouška, |
| Seminární práce, |
| Individuální prezentace, |
| Obecné způsobilosti |
|---|
| Kombinovaná zkouška, |
| Seminární práce, |
|
Doporučená literatura
|
-
Brian Kokensparger. Guide to Programming for the Digital Humanities: Lessons for Introductory Python. 2018.
-
Hans Petter Langtangen. Python Scripting for Computational Science. 2009.
|