|
Vyučující
|
|
|
|
Obsah předmětu
|
Základní principy relačních databází. Úvod do jazyka SQL, základní operace. Mírně pokročilé operace v jazyce SQL. Úvod do jazyka Python, vývojové prostředí, základní principy. Proměnné a datové typy v jazyce Python. Podmínky a cykly v jazyce Python. Funkce a knihovny v jazyce Python. Vybrané statistické metody a jejich aplikace na finanční data v jazyce Python. Případové studie z oblasti pojišťovnictví a bankovnictví.
|
|
Studijní aktivity a metody výuky
|
|
Monologická (výklad, přednáška, instruktáž), Dialogická (diskuze, rozhovor, brainstorming), Metody práce s textem (učebnicí, knihou), Metody samostatných akcí, Nácvik dovedností
|
|
Výstupy z učení
|
Seznámit studenty se základy datové analýzy ve finančním sektoru. Důraz je kladen na praktické využití nástrojů SQL a Python a aplikaci statistických metod v kontextu pojišťovnictví a bankovnictví.
Student, který úspěšně absolvoval předmět, umí: - Vysvětlit princip fungování relační databáze. - Vysvětlit princip základních operací užívaných v dotazech na relační databázi. - Vymezit základní principy programování v Pythonu. - Vymezit efektivní postupy při zpracování dat v Pythonu. - Samostatně rozhodnout o vhodnosti vybraných statistických nástrojů pro daný problém. - Analyzovat a interpretovat výsledky v konkrétních případových studiích. - Srozumitelně prezentovat výstupy datové analýzy. Student, který úspěšně absolvoval předmět, dovede: - Za pomoci SQL dotazů získávat data z relačních databází. - Pracovat s daty v Pythonu, včetně jejich čištění. - Aplikovat vybrané statistické metody v kontextu finančních dat. Student, který úspěšně absolvoval předmět, je schopen: - samostatně získat a připravit data z relační databáze, zvolit vhodné statistické metody na základě povahy dat a problému, tyto metody aplikovat pomocí odpovídajících softwarových nástrojů (SQL, Python) a interpretovat dosažené výsledky.
|
|
Předpoklady
|
|
|
Hodnoticí metody a kritéria
|
Ústní zkouška, Písemná zkouška, Analýza výkonu studenta
Zápočet: test. Zkouška: písemná a ústní.
|
|
Doporučená literatura
|
-
Python for data analysis . Milton Keynes, UK: Computer Scince Academy, 2020. ISBN 978-1-80125-526-4.
-
Grus, Joel. Data science from scratch . Beijing ;: O'Reilly, 2019. ISBN 978-1-4920-4113-9.
-
Kubanová,J. Statistické metody pro ekonomickou a technickou praxi.
-
Laurenčík, Marek. SQL . Praha: Grada Publishing, 2018. ISBN 978-80-271-0774-2.
-
Ma, Weiming James. Mastering Python for finance . Birmingham, UK: Packt, 2019. ISBN 978-1-78934-646-6.
-
Pecinovský, Rudolf. Python . Praha: Grada Publishing, 2021. ISBN 978-80-271-3442-7.
-
Starmer, Josh. The StatQuest illustrated guide to neural networks and AI. 2025.
-
TSE Y.-K. Nonlife Actuarial Models. Cambridge: University Press, 2009.
|