|
|
|
||
Spatial Data Science v sociální geografii zavádí do výuky studentů geografie data science (datovou vědu) a výpočetní analýzu s využitím open source nástrojů napsaných v programovacím jazyce Python.
Předmět poskytuje studentům s malou nebo žádnou 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. 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. Po absolvování kurzu budou studenti schopni: - Prokázat porozumění pokročilým konceptům spatial data science a používat otevřené nástroje pro analýzu prostorových dat. - Porozumět motivaci a vnitřní logice hlavních metodických přístupů SDS. - Kriticky zhodnotit vhodnost konkrétních technik, co mohou nabídnout a jak mohou pomoci odpovědět na geografické otázky. - Použít několik 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. Poslední úprava: Fleischmann Martin, M.Sc., Ph.D. (28.06.2024)
|
|
||
Kurz volně navazuje na obsah knihy Geographic Data Science with Python autorů Rey, Arribas-Bel a Wolf (2023). Online verze knihy je k dispozici v rámci otevřeného přístupu na adrese geographicdata.science/book. - Rey, Sergio, Dani Arribas-Bel, and Levi John Wolf. 2023. Geographic Data Science with Python. Chapman & Hall/CRC Texts in Statistical Science. London, England: Taylor & Francis. Poslední úprava: Fleischmann Martin, M.Sc., Ph.D. (02.08.2023)
|
|
||
Předmět je zakončen seminární prací ve formě výpočetní eseje. Výpočetní esej je esej, jejíž narativ je podpořen kódem a jeho výsledky, které jsou součástí eseje. Esej rozsahem odpovídá 2 500-5 000 slovům. Jedná se však o celkový rozsah. Vzhledem k tomu, že studenti budou muset zpracovat nejen text (v češtině či angličtině), ale také kód a jeho výstupy, jsou zde uvedeny požadavky:
Hodnotící kritéria: Esej je primárně hodnocena na percentuální škále 0-100. Pro úspěšné zakončení předmětu je potřeba získat minimálně 40%:
Poslední úprava: Fleischmann Martin, M.Sc., Ph.D. (28.06.2024)
|
|
||
Materiál je naplánován na 11 týdnů s jednou lekcí týdně. Zbylé dva týdny jsou určeny pro konzultace závěrečných prací. Každá lekce je rozdělena do tří částí - Concepts, Hands-on a Exercise. Concepts mají podobu přednášky pokrývající koncepční aspekty tématu daného dne, která poskytuje nezbytné teoretické zázemí předtím, než se začneme věnovat kódu. Tuto část lze přezdívat "I do". Hands-on obsahuje zdokumentovaný kód v Jupyter notebooku, který paralelně provádí lektor, poskytující dodatečný výklad, a studenti. Této části říkáme "We do". Exercise je soubor úkolů, které mají studenti plnit samostatně, s občasným vedením lektora. Den tedy zakončíme částí "You do". Přehled témat pro jednotivé lekce. V závorce je uvedena klíčový Python balíček pro danou lekci:
Poslední úprava: Fleischmann Martin, M.Sc., Ph.D. (28.06.2024)
|
|
||
Tento kurz předpokládá znalost geografie a jejích klíčových pojmů (např. souřadnicových referenčních systémů nebo Modifiable Areal Unit Problem (Openshaw 1983)), alespoň základní znalost GIS (např. formátů souborů a základní manipulace s prostorovými daty) a základní znalost statistiky (např. pochopení konceptu regrese), optimálně s nějakou prostorovou složkou (geograficky vážená regrese). Kurz sice stručně vysvětlí tato témata, ale nebude se podrobně zabývat teorií a statistikou, která za těmito koncepty stojí. Nejsou potřeba žádné předchozí zkušenosti s programováním nebo informatikou, i když kladný vztah k těmto tématům je nezbytný. Nutná je možnost práce na vlastním laptopu (předmět nebude vyočován v počítačové učebně) a schopnost porozumět psanému textu v angličtině. Studijní materiály budou poskytnuty v anglickém jazyce. Výuka bude probíhat v češtině. Poslední úprava: Fleischmann Martin, M.Sc., Ph.D. (28.06.2024)
|