Vedlejší specializace: Datové inženýrství (4DI) (nástup do šk. roku 2021/22 včetně)

Data a analytika pro praxi powered by

Garant: prof. RNDr. Jan Rauch, CSc.

K čemu mi bude tato vedlejší specializace?

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.

Podmínky vstupu do vedlejší specializace

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

Studijní plán

Povinné předměty – 18 ECTS kr.
4IT436 Business Intelligence * 6 ECTS
4IZ450 Dobývání znalostí z databází ** 6 ECTS
4IZ460 Pokročilé přístupy k DZD 6 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 – 12 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 – Python a R * 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 – Python a R (v angličtině).

** Předmět je zaměnitelný s 4IT506 Competitive Intelligence.

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

Požadavky k souborné zkoušce

Okruhy otázek (pokrývají povinné předměty):

  1. Multidimenzionální analýza
  2. Datové sklady
  3. Self Service Business Intelligence
  4. Proces a úlohy dobývání znalostí
  5. Metody a algoritmy dobývání znalostí
  6. Způsoby hodnocení modelů získaných metodami dobývání znalostí
  7. Metody předzpracování dat pro algoritmy dobývání znalostí
  8. Dobývání znalostí z textů a webu
  9. Metoda GUHA
  10. Observační kalkuly

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.

Termíny souborné zkoušky

Aby se student mohl přihlásit na konkrétní termín souborné zkoušky z vedlejší specializace, musí si zapsat kurz odpovídající souborné zkoušce: 4DIN Datové inženýrství (dílčí státní zkouška):
  • Zápis je nutné provést nejpozději do konce 12. týdne výukové části semestru.
  • Do konce 13. týdne se objeví v systému InSIS konkrétní termíny, na které je možno se přihlašovat. Termíny jsou obvykle umisťovány do posledních dvou týdnů zkouškového období daného semestru.
  • SZZ lze skládat pouze tehdy, pokud má student splněny kredity ve struktuře podle studijního plánu, a to nejpozději 2 pracovní dny před termínem souborné zkoušky.

 

Program je uskutečňován ve spolupráci se společností KPMG.