Vedlejší specializace: Datové inženýrství (4DI) (nástup od šk. roku 2022/23)

Specializace představuje základní metody týkající se zpracování dat s cílem porozumět procesům, které data generují. Důraz je kladen i na seznámení s aktuálními výzkumnými trendy. Specializace poskytuje ucelený soubor znalostí a dovedností umožňující široké uplatnění v praxi. Je vhodná zejména pro studenty statistických oborů, kterým významně rozšíří možnosti uplatnění v analytických odděleních firem a institucí. Absolventi získají znalosti a dovednosti, které jim umožní:

• aplikovat metody data mining pro řešení typických praktických problémů
• aplikovat metody business intelligence a competitive intelligence
• připravovat pro analýzy data uchovávaná v databázích nebo vystavená na webu
• prezentovat výsledky analýz ve formě vhodné pro manažerské rozhodování
• aplikovat metody řízení datové kvality
• orientovat se v aktuálních trendech výzkumu v oblasti data mining.

Vedlejší specializace není určena studentům následujících programů:

• Data a analytika pro business by KPMG,
• Informační management,
• Kognitivní informatika,
• Podniková informatika,
• Znalostní a webové technologie.

Zájemcům je doporučeno předem absolvovat volitelný předmět bakalářského studia 4IZ260 – Úvod do datové analytiky.

Kapacita na semestr: neomezena

Povinné předměty – 20 ECTS kr.
4IT403	Základní analytika a reporting	5 ECTS
4IZ450	Dobývání znalostí z databází **	6 ECTS
4IZ460	Pokročilé přístupy k DZD	6 ECTS
4IZ503	Projektový seminář	3 ECTS

* Pokud někdo má tento předmět již absolvovaný v rámci magisterského programu, musí si jej nahradit libovolným volitelným předmětem v odpovídající kreditové výši.

** Předmět je zaměnitelný s 4IZ451 Dobývání znalostí z databází (v angličtině) a 4IZ480 Pokročilá business analytika.

Volitelné předměty – 10 ECTS kr.
4IT402	Architektury business analytiky	3 ECTS
4IT550	Competitive Intelligence**	3 ECTS
4IZ560	Data mining – praktické aplikace***	3 ECTS
4IT218	Databáze	6 ECTS
4IZ470	Dolování znalostí z webu	6 ECTS
4IZ552	Elektronická sazba a publikování	3 ECTS
4IT509	Nástroje pro podporu business analytiky	3 ECTS
4ME506	Pokročilá vizualizace	3 ECTS
4IZ566	Programovací jazyky pro data science v jazyce Python *	6 ECTS
4IT101	Programování v Javě	7 ECTS
4IZ440	Propojená data na webu	6 ECTS
4IT405	Řízení dat a analytiky pro business	5 ECTS
4IZ562	Řízení datové kvality	6 ECTS
4IT501	Self Service Business Intelligence	3 ECTS
4IZ481	Trendy a novinky v business analytice I	3 ECTS
4IZ481	Trendy a novinky v business analytice II	3 ECTS
4IT409	Trendy ve znalostních technologiích (anglicky)	3 ECTS
4MM451	Výpočetní metody a analýza dat (v angličtině)	6 ECTS
4IT449	Vývoj aplikací na platformě .NET	6 ECTS

* Předmět je zaměnitelný s 4IZ465 Programovací jazyky pro data science v jazyce Python (v angličtině).

** Předmět je zaměnitelný s 4IT506 Competitive Intelligence.

*** Předmět je zaměnitelný s 4IZ581 Data mining – praktické aplikace.

Dílčí státní zkouška je komplexním ověřením schopnosti samostatně vypracovat v písemné podobě odbornou práci na dané téma systematickým a nezávislým způsobem a současně komplexním ověřením získaných znalostí v dané vedlejší specializaci.

Dílčí státní zkouška začíná obhajobou zpracovaného projektu, v jejímž rámci student prezentuje jeho předmět a výsledky, následuje hodnocení projektu vedoucím a oponenty a student má následně možnost se k hodnocení vyjádřit a také zodpovídá doplňující otázky. Na obhajobu projektu navazuje ověřování znalostí z vedlejší specializace formou odborné rozpravy. V rámci odborné rozpravy je ověřováno, zda znalosti studenta odpovídají profilu absolventa vedlejší specializace a současně zda je student schopen propojovat získané znalosti (zejména z okruhů uvedených níže) s tématem svého projektu nebo mezi sebou navzájem a aplikovat je na řešení praktických problémů v oblastech jeho budoucího uplatnění.

Dílčí státní zkouška bude v rámci odborné rozpravy ověřovat znalosti a jejich vztahy zejména z následujících okruhů:

• Základní analytika a reporting
• Dobývání znalostí z databází
• Pokročilé přístupy k dobývání znalostí z databází

Literatura:

• BERKA, P.: Dobývání znalostí z databází. Praha, Academia 2003. 366 s. ISBN 80-200-1062-9.
• POUR, Jan, MARYŠKA, Miloš, NOVOTNÝ, Ota. Business Intelligence v podnikové praxi. 1. vyd. Praha : PROFESSIONAL PUBLISHING, 2012. 276 s. ISBN 978-80-7431-065-2.
• RAUCH, Jan. Metoda GUHA a dobývání znalostí z databází. In: MAŘÍK, Vladimír, ŠTĚPÁNKOVÁ, Olga, LAŽANSKÝ, Jiří, aj. Umělá inteligence 6. Praha : Academia, 2013, s. 348-391. 490 s. ISBN 978-80-200-2276-9.
• RAUCH, Jan, ŠIMŮNEK, Milan. Dobývání znalostí z databází, LISp-Miner a GUHA. 1. vyd. Praha : Oeconomica, 2014. 462 s. ISBN 978-80-245-2033-9.
• ŠIMŮNEK, Milan. Systém LISp-Miner, akademický systém pro dobývání znalostí z databází, historie vývoje a popis ovládání. 1. vyd. Praha : Oeconomica, 2010. 106 s. ISBN 978-80-245-1699-8.

Aby se student mohl přihlásit na konkrétní termín souborné zkoušky z vedlejší specializace, musí si zapsat kurz odpovídající souborné zkoušce: 4DINP Datové inženýrství (dílčí státní zkouška):