Data Science - NDBI048

• Title: Data Science
• Guaranteed by: Department of Software Engineering (32-KSI)
• Faculty: Faculty of Mathematics and Physics
• Actual: from 2021
• Semester: winter
• E-Credits: 5
• Hours per week, examination: winter s.:2/2, C+Ex [HT]
• Capacity: unlimited
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: taught
• Language: Czech
• Teaching methods: full-time
• Teaching methods: full-time
• Additional information: https://www.ksi.mff.cuni.cz/~holubova/NDBI048/
• Guarantor: doc. RNDr. Irena Holubová, Ph.D.
• Class: Informatika Mgr. - Softwarové systémy
• Classification: Informatics > Database Systems

Annotation

English

Last update: RNDr. Filip Zavoral, Ph.D. (17.03.2021)

The course will provide a practical introduction to data science. The lectures will discuss phases of the data science project, related technologies and methods. In the practicals, the individual steps will be applied to real- world data. Part of the lectures will also focus on the specifics of Big Data. The added value will be practical experience from data science projects of the Profinit company, hardly found in textbooks. The course is intended for students of specialization Big Data Processing and also other specializations who want to gain a basic overview of the field of data science.

Czech

Last update: RNDr. Filip Zavoral, Ph.D. (17.03.2021)

Kurz poskytne praktický úvod do problematiky data science. Na přednáškách budou probrány jednotlivé fáze data science projektu, související technologie a metody. Na cvičeních budou jednotlivé kroky aplikovány na reálná data. Část přednášek se zaměří také na specifika oblasti Big Data v kontextu data science. Přidanou hodnotou budou praktické zkušenosti z data science projektů firmy Profinit, tedy to, co se v učebnicích typicky najít nedá. Kurz je určen pro zaměření Analýza a zpracování rozsáhlých dat i pro studenty jiných zaměření, kteří chtějí získat základní přehled o oblasti data science.

Course completion requirements

English

Last update: RNDr. Filip Zavoral, Ph.D. (16.03.2021)

During the practicals students will receive (or choose and have approved by the instructors) a suitable real-world data set. Using them the students will gradually experiment with methods discussed in the lectures. The results of continuous data processing will be described in the form of two written reports (in the middle and at the end of the semester), which will be evaluated using points. The credit will be awarded for a required minimum amount of points. The points above the limit will be added to the points gained from the written exam text.

Czech

Last update: RNDr. Filip Zavoral, Ph.D. (16.03.2021)

V rámci cvičení každý student dostane (nebo si sám vybere a nechá cvičícím schválit) vhodnou reálnou datovou sadu. Nad ní postupně vyzkouší jednotlivé fáze data science projektu probírané na přednáškách. Výsledky prostupného zpracování dat shrne ve formě dvou písemných reportů (v polovině a na konci semestru), které budou bodově ohodnoceny. Zápočet bude udělen za daný minimální počet bodů. Body získané navíc budou přičteny k bodům z písemného zkouškového testu.

Literature

Last update: RNDr. Filip Zavoral, Ph.D. (16.03.2021)

Sinan Ozdemir: Principles of Data Science

Tony Ojeda, Sean Patrick Murphy, Benjamin Bengfort, Abhijit Dasgupta: Practical Data Science Cookbook

Frank Kane: Hands-On Data Science and Python Machine Learning

Syllabus

English

Last update: RNDr. Filip Zavoral, Ph.D. (16.03.2021)

What is data science, typical use cases. Data science decathlon (an overview of related methods, algorithms and technologies). Map of follow-up lectures, organization of the course, requirements for credit / exam.

Motivation and problems of data science - a view from industry. Limits of statistical methods, distortion.

Technologies for data science I: overview of popular representatives (technology stack), Python and data science.

Phases of a data science project, methodology CRISP-DM. Business understanding, data understanding.

Methods of data exploration and visualization.

Creating a useful and understandable report.

Data preparation (cleaning, transformation, feature extraction, ...).

Modeling I: basic statistical models and performance evaluation.

Modeling II: applied Bayesianism.

Data science in modern database systems.

Big Data science, MapReduce and data science.

Apache Spark and data science.

Technologies for data science II: MLops versioning, documentation, ...

Business view of a data science project.

Czech

Last update: RNDr. Filip Zavoral, Ph.D. (16.03.2021)

Co je to data science, typické příklady použití. Data science desetiboj (přehled souvisejících metod, algoritmů a technologií). Mapa navazujících přednášek, organizace předmětu, požadavky na zápočet/zkoušku.

Motivace a problémy data science - pohled z praxe. Limity statistických metod, zkreslení.

Technologie pro data science I: přehled populárních zástupců (technologický stack), Python a data science.

Fáze data science projektu, metodika CRISP-DM. Business understanding, data understanding.

Metody explorace a vizualizace dat.

Tvorba srozumitelného reportu.

Příprava dat (čištění, transformace, extrakce příznaků, ...).

Modelování I: základní statistické modely a vyhodnocování výkonnosti.

Modelování II: aplikovaný bayesianismus.

Data science v moderních databázových systémech.

Big Data science, MapReduce a data science.

Apache Spark a data science.

Technologie pro data science II: MLops verzování, dokumentace, ...

Manažerský pohled na data science projekt.