|
|
Main menu for Browse IS/STAG
Course info
USII / CADP
:
Course description
Department/Unit / Abbreviation
|
USII
/
CADP
|
Academic Year
|
2023/2024
|
Academic Year
|
2023/2024
|
Title
|
Data Analysis Tools and Programming
|
Form of course completion
|
Examination
|
Form of course completion
|
Examination
|
Long Title
|
Data Analysis Tools and Their Programming
|
Accredited / Credits
|
Yes,
5
Cred.
|
Type of completion
|
Combined
|
Type of completion
|
Combined
|
Time requirements
|
Konzultace
14
[Hours/Semester]
|
Course credit prior to examination
|
Yes
|
Course credit prior to examination
|
Yes
|
Automatic acceptance of credit before examination
|
No
|
Included in study average
|
YES
|
Language of instruction
|
Czech
|
Occ/max
|
|
|
|
Automatic acceptance of credit before examination
|
No
|
Summer semester
|
10 / -
|
0 / -
|
0 / -
|
Included in study average
|
YES
|
Winter semester
|
0 / -
|
0 / -
|
0 / -
|
Repeated registration
|
NO
|
Repeated registration
|
NO
|
Timetable
|
Yes
|
Semester taught
|
Summer semester
|
Semester taught
|
Summer semester
|
Minimum (B + C) students
|
not determined
|
Optional course |
Yes
|
Optional course
|
Yes
|
Language of instruction
|
Czech
|
Internship duration
|
0
|
No. of hours of on-premise lessons |
14
|
Evaluation scale |
A|B|C|D|E|F |
Periodicity |
každý rok
|
Evaluation scale for credit before examination |
S|N |
Periodicita upřesnění |
|
Fundamental theoretical course |
No
|
Fundamental course |
Yes
|
Fundamental theoretical course |
No
|
Evaluation scale |
A|B|C|D|E|F |
Evaluation scale for credit before examination |
S|N |
Substituted course
|
None
|
Preclusive courses
|
N/A
|
Prerequisite courses
|
N/A
|
Informally recommended courses
|
N/A
|
Courses depending on this Course
|
N/A
|
Histogram of students' grades over the years:
Graphic PNG
,
XLS
|
Course objectives:
|
Cílem předmětu je poskytnout informace z oblasti nástrojů využívaných pro analýzu dat, o funkcionalitách těchto nástrojů a dovednostech nezbytných pro práci s těmito nástroji.
|
Requirements on student
|
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 %).
|
Content
|
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.
|
Activities
|
|
Fields of study
|
|
Guarantors and lecturers
|
|
Literature
|
-
Basic:
Clifton, Brian. Google analytics : podrobný průvodce webovými statistikami. Brno: Computer Press, 2009. ISBN 978-80-251-2231-0.
-
Basic:
Wickham, H., Grolemund, G. R for Data Science - Import, Tidy, Transform, Visualize, and Model Data. 2016.
-
Basic:
Peterson, E. T. Web analytics demystified: A Marketer´s Guide to Understanding How Your Web Site Affects Your Business. 2004.
|
Time requirements
|
All forms of study
|
Activities
|
Time requirements for activity [h]
|
Příprava na zápočet
|
10
|
Individual project
|
30
|
Příprava na zkoušku
|
30
|
Kontaktní výuka
|
14
|
Domácí příprava na výuku
|
66
|
Total
|
150
|
|
Prerequisites - other information about course preconditions |
Základní znalost algoritmizace a programování. |
Competences acquired |
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. |
Teaching methods |
- Monologic (reading, lecture, briefing)
- Work with text (with textbook, with book)
- Methods of individual activities
|
Assessment methods |
- Oral examination
- Written examination
- Work-related product analysis
- Self project defence
|
|
|
|