Základy programování a zpracování dat - KIV/ZPD1

Cílem předmětu je získat jasně vymezenou množinu znalostí z programování, na kterou pak navazuje několik dalších předmětů. Předmět je orientován více prakticky než teoreticky. Je určen i pro naprosté začátečníky, kteří dosud neprogramovali, ovšem i studenti, kteří přicházejí s určitou znalostí programování, zde mohou nalézt nové poznatky a výzvy. Student, který tento předmět úspěšně absolvuje, by neměl mít potíže s praktickým řešením běžného algoritmu v jazyce Python včetně souborových vstupů a výstupů. Výuka předmětu probíhá pouze v češtině, proto anglická verze stránek není podporována ani upravována.

Zjisti více »

Zaměříme se na základy programování a zpracování dat

V rámci cvičení se student naučí algoritmicky řešit jednoduché úlohy a implementovat navržené algoritmy v programovacím jazyce Python. Student získá základní znalosti pro načítání, zpracování a vizualizaci různých typů dat.

  • Generic placeholder image
    Python
    Python byl navržen tak, aby umožňoval tvorbu rozsáhlých, plnohodnotných aplikací či webů.
  • Generic placeholder image
    NumPy
    Základní knihovna pro vědce a analytiky. Pracuje s numerickými daty, konkrétně s 1- až n-rozměrnými maticemi.
  • Generic placeholder image
    Pandas
    Pandas pracuje s datovou strukturou zvanou DataFrame. Jedná se o tabulkovou datovou strukturu.

Motivace - Vše bude v PYTHONu

Python je jazyk ideální pro všechny začátečníky. Má jednoduchou a čistou syntaxi - k odsazování se používá tabulátor nebo mezery. Dále dobře spolupracuje s ostatními programovací jazyky, ve kterých se dá využít jako skriptovací jazyk.

Python aplikujete na weby, ale také na tabulky dat, zobrazení dat v rámci grafů a vědecké výpočty.

Python knihovna Flask pro vytváření webových aplikací, použita při vývoji webové aplikace Body In Numbers.

Python Data Analysis Library - Pandas (https://pandas.pydata.org/) 

Knihovna pro načítání vstupních dat v některém ze známých formátů. Například ji použijete při načítání dat z .xlsx (Excel).


Studijní materiály

Heineman G., Pollice G., Selkow S., Algorithms in a Nutshell , O'Reilly, USA 2008

Lutz, Mark, Learning Python , Sebastopol : O'Reilly 2009

Pilgrim, Mark, Ponořme se do Python(u) 3 , Edice CZ.NIC 2010

Beazley, David M.; Jones, Brian K., Python cookbook , Sebastopol : O'Reilly 2013

Summerfield, Mark, Python 3 : výukový kurz , Brno : Computer Press 2010

Zajímavosti

Vyzkoušejte si klasifikace obrázků v následujícím tutoriálu: tutoriál

Detekce klíčových bodů na ruce pomocí Deep Learning a OpenCV: tutoriál

Pokud se zajímáte o Python více napište mi na email níže :)

Něco málo o mě

Jsem správcem neuroinformatické laboratoře na Západočeské univerzitě na Katedře informatiky a inženýrství. V rámci ZČU jsem pracoval na několika projektech (sémantický web v EEG / ERP portálu, OEN ontologie, vývojová koordinační porucha u dětí, kontrola pozornosti řidiče, analýza EEG u myší, asistenční systém řízený mozkovými vlnami pro osoby se sníženou pohyblivostí, BodyInNumbers).

Kontakt

Ing. Petr Brůha
Technická 8,
Plzeň, 30100, Česká republika
E: pbruha@kiv.zcu.cz
P: +420 377 63 2412
M: UN 324

Konzultační hodiny

Budova FAV, sekce NTIS, kancelář UN324


St: 13:00-13:55

Pá: 10:00-11:00