| 11000 - Univerzita Karlova | |
| UKRUK/316010/2024 | |
| 29.5.2024 | |
| 29.5.2034 |
Volba jazyka
Uživatel
- Anonym
Přijímací řízení> Microcredentials> Detail microcredentials kurzuDetail microcredentials kurzu
Spatial Data Science v jazyce Python / Spatial Data Science in Python (10752)
| 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. |
Akreditace
sbalit Rozbalit (další informace – např. detail přihlášky)Podrobné informace
sbalit Rozbalit (další informace – např. detail přihlášky)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. Termín kurzu a místo konání
sbalit Rozbalit (další informace – např. detail přihlášky)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 Informace pro uchazeče
sbalit Rozbalit (další informace – např. detail přihlášky)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 Zápis na kurz
sbalit Rozbalit (další informace – např. detail přihlášky)1.7.2024-9.8.2024 Zapsaní budou všichni, kteří splňují podmínky viz Požadované předpoklady