11000 - Univerzita Karlova | |
UKRUK/316010/2024 | |
29.5.2024 | |
29.5.2034 |
Univerzita Karlova | |
Spatial Data Science v jazyce Python / Spatial Data Science in Python | |
Distanční synchronní | |
angličtina | |
Spatial Data Science v jazyce Python / Spatial Data Science in Python | |
Samostatný kurz dokladovaný mikrocertifikátem. 1. Úvod do problematiky 2. Otevřená data science, základy manipulace s daty v Pythonu (pandas) 3. Prostorová data (geopandas) 4. Vztahy v prostoru (libpysal) 5. Explorativní analýza prostorových dat (esda) 6. Point patterns (pointpats) 7. Clustering (scikit-learn) 8. Rastrová data (xarray) 9. Interpolace (tobler, pyinterpolate) 10. Regrese (statsmodels, mgwr) |
|
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. 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. |
|
Základní porozumění Pythonu 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. |
|
Martin Fleischmann, M.Sc., Ph.D. |
11000 - Univerzita Karlova | |
UKRUK/316010/2024 | |
29.5.2024 | |
29.5.2034 |
4 | |
50 hodin | |
30 hodin synchronní výuka + 20 samostudium + zpracování závěrečné práce (30 hours of synchronous teaching + a final assignment - a computational essay.) | |
Krátkodobé | |
Vědy o Zemi | |
Praktické předvedení (na místě s ověřením totožnosti) | |
Úroveň 6 | |
Institucionální akreditace UK | |
Obsah mikrocertifikátu byl vytvořen ve spolupráci se zástupci firem O2 a ARCDATA PRAHA a Českého statistického úřadu. |
12.08.2024 | |
16.8.2024 | |
2023/2024 | |
letní semestr | |
pouze online (link bude zaslán všem přihlášeným/ online, the link will be sent to all registered users |
Martin Fleischmann, M.Sc., Ph.D. | |
25 | |
15000 Kč / kurz | |
27.06.2024 - 09.08.2024 | |
Martin Fleischmann, M.Sc., Ph.D. | |
martin.fleischmann@natur.cuni.cz | |
Albertov 6, 128 00 Praha 2 |
1.7.2024-9.8.2024 | |
Zapsaní budou všichni, kteří splňují podmínky viz Požadované předpoklady |