Spatial Data Science v jazyce Python (10752N)
Základní informace | |||||||||
| Univerzita Karlova | |||||||||
| Spatial Data Science v jazyce Python | |||||||||
| běží přijímací řízení | |||||||||
| Kód varianty (CID): | 13006 | ||||||||
| Zaměření: | microcredentials | ||||||||
| Fakulta: | Přírodovědecká fakulta | ||||||||
| distanční | |||||||||
| Online | |||||||||
| angličtina | |||||||||
| Spatial Data Science v jazyce Python | |||||||||
| Samostatný kurz dokladovaný mikrocertifikátem (zpoplatněný kurz) 1. Úvod do problematiky a infrastruktury 2. Prostorová data (geopandas) 3. Vztahy v prostoru (libpysal) 4. Explorativní analýza prostorových dat (esda) 5. Point patterns (pointpats) 6. Clustering (scikit-learn) 7. Interpolace (tobler, pyinterpolate) 8. Regrese (statsmodels, gwlearn) 9. Prostorová evaluace (scikit-learn) 10. Prostor v modelech (scikit-learn) |
|||||||||
| Spatial Data Science v jazyce Python představuje data science (datovou vědu) a výpočetní analýzu s využitím open source nástrojů napsaných v programovacím jazyce Python. Předmět poskytuje studentům s malou předchozí zkušeností s programováním základní kompetence v oblasti spatial data science (SDS). Zahrnuje: - Rozšíření jejich statistické a numerické gramotnosti. - Seznámení se základními principy programování a nejmodernějšími výpočetními nástroji pro SDS. - Představení uceleného přehledu hlavních metodik, které má geograf v oblasti prostorových dat k dispozici, a vybudování intuice, jak a kdy je lze použít. - Zaměření na reálné aplikace těchto technik v kontextu sociální geografie. - Prostorové apsekty prediktovních modelů a jejich evaluace. Kurz se zaměřuje na data, která se obvykle používají v sociální geografii, ale jeho použitelnost se neomezuje pouze na sociální geografii. V praxi pracuje spíše s vektorovými daty než s rastry (i když i těmi se trochu zabývá) a často s daty zachycujícími různé aspekty lidského života. Koncepty spatial data science jsou však univerzální. Výše poplatku: 7500 Kč / kurz |
|||||||||
| Studenti magisterských a doktorských programů a profesionálové z oborů datová analytika a data science se zájmem o doplnění vzdělávání v oblasti prostorových aspektů data science a specifik jejích dat a metod. Studenti magisterských a doktorských programů a profesionálové z oborů geogragie a GIS se zájmem o doplnění vzdělání v pokročilých analytických metodách implementovaných v programovacím jazyce Python. Základní porozumění Pythonu, manipulaci dat v pandas, a základní statistiky (např. lineární regrese) Pro „zápis“ a evidenci studentů bude využíván SIS. Pořadí studentů bude dáno datem odeslání přihlášky. Míra účasti: min 60% přítomnosti. |
|||||||||
| Po absolvování kurzu budou studenti schopni: • Popsat pokročilé koncepty spatial data science a používat otevřené nástroje pro analýzu prostorových dat. • Vysvětlit motivaci a vnitřní logiku hlavních metodických přístupů SDS. • Kriticky zhodnotit vhodnost konkrétních technik, co mohou nabídnout a jak mohou pomoci odpovědět na geografické otázky. • Použít soubor technik prostorové analýzy a interpretovat výsledky v procesu přeměny dat na informace. • Samostatně pracovat s nástroji SDS s cílem získat cenné poznatky, když se setkají s novým souborem dat. • Vytvářet a hodnotit prediktivní modely reagující na specifika prostorové dimenze dat. |
|||||||||
|
|||||||||
 Příloha 1_Formular_MCI (1) (3).pdf, U Příloha 2_Formular_MCII (1).pdf, U |
|||||||||
Akreditace | |||||||||
| 11000 - Univerzita Karlova | |||||||||
| 252/24 | |||||||||
| 29.5.2024 | |||||||||
| 29.5.2034 | |||||||||
Podrobné informace | |||||||||
| 4 | |||||||||
| 50 (v hodinách celkem) | |||||||||
| 30 hodin synchronní výuka + 20 samostudium + zpracování závěrečné práce (30 hours of synchronous teaching + a final assignment - a computational essay.) | |||||||||
| 1 | |||||||||
| Vědy o Zemi (0532) | |||||||||
| Praktické hodnocení | |||||||||
| Dozor s ověřením totožnosti | |||||||||
|
|||||||||
| 29.05.2024 | |||||||||
| 29.05.2034 | |||||||||
 |
|||||||||
 |
|||||||||
| Institucionální mechanismus zajišťování kvality | |||||||||
| schváleno Radou pro vnitřní hodnocení: 29.5.2024, identifikační kód schválení: 251/24 | |||||||||
| approved by the Internal Evaluation Board: 5/29/2024, approval identification code: 251/24 | |||||||||
| První blok výuky je naplánován na 11.-15.5. a druhý blok na 25.-29.5..2025 | |||||||||
| The first block of classes is scheduled for May 11-15 and the second block 25-29 May | |||||||||
| Obsah mikrocertifikátu byl vytvořen ve spolupráci se zástupci firem O2 a ARCDATA PRAHA a Českého statistického úřadu. | |||||||||
Termín programu a místo konání | |||||||||
| 11.05.2026 | |||||||||
| 29.5.2026 | |||||||||
| První blok výuky je naplánován na 11.-15.5. a druhý blok na 25.-29.5. 2026 / The first block of classes is scheduled for May 11-15 and the second block 25-29 May | |||||||||
| 2025/2026 | |||||||||
| letní semestr | |||||||||
| online (link bude zaslán všem přihlášeným / online, the link will be sent to all registered users | |||||||||
Informace pro uchazeče | |||||||||
|
|||||||||
| 15 | |||||||||
| 30 | |||||||||
| 7500 Kč / program | |||||||||
| 10.02.2026 | |||||||||
| 06.05.2026 | |||||||||
| Martin Fleischmann, M.Sc., Ph.D. | |||||||||
| martin.fleischmann@natur.cuni.cz | |||||||||
| Albertov 6, 128 00 Praha 2 | |||||||||
|
|||||||||
Informace k zápisu | |||||||||
|
|||||||||