| 11000 - Univerzita Karlova | |
| 252/24 | |
| 13.9.2023 | |
| 13.9.2033 |
| Univerzita Karlova | |
| Spatial Data Science v jazyce Python | |
| Online | |
| angličtina | |
| Spatial Data Science v jazyce Python / Spatial Data Science in Python | |
| Samostatný kurz dokladovaný mikrocertifikátem (zpoplatněný kurz) 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. Výše poplatku: 7500 Kč / kurz |
|
| 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 | |
| 252/24 | |
| 13.9.2023 | |
| 13.9.2033 |
| 4 | |
| 50 hodin | |
| 30 hodin synchronní výuka + 20 samostudium + zpracování závěrečné práce (30 hours of synchronous teaching + a final assignment - a computational essay.) | |
| 1 | |
| Vědy o Zemi | |
| Praktické hodnocení | |
| Úroveň 6 | |
| Institucionální licence | |
| První blok výuky je naplánován na 8.-12.9. a druhý blok na 22.-26.9.2025 | |
| Obsah mikrocertifikátu byl vytvořen ve spolupráci se zástupci firem O2 a ARCDATA PRAHA a Českého statistického úřadu. |
| 08.09.2025 | |
| 26.9.2025 | |
| První blok výuky je naplánován na 8.-12.9. a druhý blok na 22.-26.9.2025 / The first block of classes is scheduled for September 8-12 and the second block 22-26 September | |
| 2024/2025 | |
| letní semestr | |
| online (link bude zaslán všem přihlášeným / online, the link will be sent to all registered users |
| Martin Fleischmann, M.Sc., Ph.D. | |
| 15 | |
| 30 | |
| 7500 Kč / kurz | |
| 01.01.2025 - 31.08.2025 | |
| Martin Fleischmann, M.Sc., Ph.D. | |
| martin.fleischmann@natur.cuni.cz | |
| Albertov 6, 128 00 Praha 2 |
| Zapsaní budou všichni, kteří splňují podmínky viz Požadované předpoklady |