|
Vyučující
|
-
Petr Pavel, doc. Ing. Ph.D.
-
Kašparová Miloslava, Ing. Ph.D.
|
|
Obsah předmětu
|
Analýza dat, pojmy a principy činnosti. Přehled vybraných nástrojů pro analýzu dat a jejich funkcionality. Nástroje pro vizualizaci dat a jejich funkcionality. On-line nástroje pro analýzu dat. Systémový návrh funkcionalit. Možnosti implementace nových funkcionalit do daného prostředí. Nástroje pro programování funkcionalit vybraných analytických nástrojů. Samoobslužná analytika.
|
|
Studijní aktivity a metody výuky
|
Monologická (výklad, přednáška, instruktáž), Metody práce s textem (učebnicí, knihou), Metody samostatných akcí
- Příprava na zápočet
- 10 hodin za semestr
- Projekt individuální
- 30 hodin za semestr
- Domácí příprava na výuku
- 66 hodin za semestr
- Kontaktní výuka
- 14 hodin za semestr
- Příprava na zkoušku
- 30 hodin za semestr
|
|
Výstupy z učení
|
Cílem předmětu je poskytnout informace z oblasti nástrojů využívaných pro analýzu dat, o funkcionalitách těchto nástrojů a dovednostech nezbytných pro práci s těmito nástroji.
Student, který úspěšně absolvoval předmět, umí: definovat pojmy z oblasti analýzy dat a principy činnosti vybraných nástrojů pro analýzu dat; popsat a porovnat jejich funkcionality, výhody a nevýhody; definovat základní požadavky na funkcionalitu a vysvětlit je. Student, který úspěšně absolvoval předmět, dovede: analyzovat možnosti analytických nástrojů a navrhnout jejich rozšíření; vytvořit systémový návrh pro novou funkcionalitu, vytvořit ji a implementovat ve zvoleném prostředí; s využitím skriptů a programovacích jazyků zrealizovat automatizaci vybraných analýz. správně používat a prezentovat výsledky on-line nástrojů pro analýzu dat. Student, který úspěšně absolvoval předmět, je schopen: pracovat v týmu a srozumitelně shrnout názory ostatních členu týmu; srozumitelně a přesvědčivě sdělovat odborníkům i laikům informace o povaze odborných problémů a vlastním názoru na jejich řešení v oblasti analytických nástrojů; podílet se na řešení úloh jako člen vývojového týmu analytických nástrojů.
|
|
Předpoklady
|
Základní znalost algoritmizace a programování.
|
|
Hodnoticí metody a kritéria
|
Ústní zkouška, Písemná zkouška, Rozbor produktů pracovní činnosti studenta, Obhajoba vlastního projektu
zápočet: zpracování zadaných korespondenčních úloh s úspěšností minimálně 60 %, odevzdání semestrální práce podle zadání zkouška: ústní, písemná obhájení semestrální práce a úspěšné absolvování písemné části zkoušky (min. 60 %).
|
|
Doporučená literatura
|
-
Clifton, Brian. Google analytics : podrobný průvodce webovými statistikami. Brno: Computer Press, 2009. ISBN 978-80-251-2231-0.
-
Peterson, E. T. Web analytics demystified: A Marketer´s Guide to Understanding How Your Web Site Affects Your Business. 2004.
-
Wickham, H., Grolemund, G. R for Data Science - Import, Tidy, Transform, Visualize, and Model Data. 2016.
|