eLearning

O kurzu

Tento kurz vás provede světem interaktivních vizualizací v Pythonu pomocí knihovny Plotly. Naučíte se převádět surová data do smysluplných a atraktivních grafů, map i dashboardů. Pracovat budeme s reálnými daty o globálních elektrárnách, takže si jednotlivé techniky vyzkoušíte na praktických příkladech.

Zdroj dat: Global Power Plants Dataset on Kaggle

Forma studia

Kurz je připraven v prostředí Jupyter Notebook. Každá lekce obsahuje teoretický úvod, praktické ukázky a cvičení, která vám pomohou osvojit si práci s Plotly. Závěr kurzu tvoří projekt, kde si vyzkoušíte propojení všech naučených dovedností.

Předpoklady

• Základní znalost Pythonu (proměnné, funkce, cykly).

• Zkušenost s knihovnou Pandas (načítání dat, práce s DataFrame).

• Nainstalované prostředí Pythonu a Jupyter Notebook (nebo jiné IDE).

Cíle kurzu

Po absolvování kurzu budete umět:

• Rozumět principům Plotly a používat Plotly Express i Graph Objects.

• Tvořit širokou škálu interaktivních grafů (sloupcové, čárové, bodové, histogramy, boxploty, heatmapy aj.).

• Vizualizovat geografická data na mapách.

• Pracovat s hierarchickými grafy (Treemap, Sunburst).

• Detailně přizpůsobit vzhled grafů – od barev až po komplexní layouty.

• Sestavit jednoduchý interaktivní dashboard pomocí Dash a Streamlit.

O kurzu

Navazující kurz je zaměřen na pokročilé techniky práce s knihovnou Pandas. Prohloubíte si znalosti v oblasti agregací, pivotování, spojování dat a práce s časovými řadami. Důraz je kladen na efektivní a praktické využití Pandas při práci s většími a složitějšími datovými sadami.

Forma studia

Kurz je připraven v prostředí Jupyter Notebook s ukázkami a úlohami, které vás krok za krokem provedou jednotlivými technikami.

Předpoklady

• Znalosti odpovídající kurzu Pandas pro začátečníky.

• Schopnost samostatně pracovat se základními datovými strukturami Pandas.

Cíle kurzu

Po absolvování kurzu budete umět:

• Využívat pivot_table a pracovat s MultiIndex.

• Provádět pokročilé výběry dat (loc, iloc, query, eval).

• Spojovat a slučovat tabulky (concat, merge, join).

• Pracovat s časovými řadami a resamplingem.

• Používat funkce apply, map, applymap.

• Měnit tvar dat pomocí stack, unstack, melt.

• Optimalizovat výkon práce s Pandas u větších datasetů.

O kurzu

Tento kurz vás provede základy práce s knihovnou Pandas, která je jedním z klíčových nástrojů pro datovou analýzu v Pythonu. Naučíte se pracovat se strukturami Series a DataFrame, načítat data z různých zdrojů a provádět jejich základní úpravy a analýzy.

Forma studia

Kurz je připraven v prostředí Jupyter Notebook. Najdete zde výklad, příklady i úlohy k procvičení, které vám pomohou upevnit znalosti.

Předpoklady

• Základní znalost Pythonu (proměnné, seznamy, funkce).

• Základní orientace v práci s Jupyter Notebookem.

Cíle kurzu

Po absolvování kurzu budete umět:

• Vytvářet a spravovat datové struktury Series a DataFrame.

• Načítat a ukládat data do CSV a Excel souborů.

• Provádět základní manipulace s daty (filtrování, řazení, úpravy sloupců).

• Pracovat s chybějícími hodnotami.

• Aplikovat agregační funkce a využívat groupby.

O kurzu

Kurz je určen všem, kteří se chtějí seznámit se základy programovacího jazyka Python. Postupně projdeme od úplných základů – proměnných, datových typů, operátorů a podmínek – až po práci se soubory, funkcemi a zpracováním chyb. Cílem je získat pevný základ, na který lze dále navazovat při studiu datové analýzy, webového vývoje nebo automatizace.

Forma studia

Kurz probíhá interaktivně v prostředí Jupyter Notebook, kde najdete vysvětlení, ukázky i úlohy k procvičení. Díky tomu si vše můžete ihned vyzkoušet. Kurz lze spustit buď online v JupyterHubu, nebo lokálně na vlastním počítači.

Předpoklady

• Základní orientace v práci s počítačem.

• Není potřeba předchozí znalost programování.

Cíle kurzu

Po absolvování kurzu budete umět:

• Používat základní datové typy v Pythonu.

• Ovládat podmínky a cykly.

• Pracovat se seznamy, n-ticemi, slovníky a množinami.

• Vytvářet a používat funkce.

• Číst a zapisovat soubory.

• Porozumět základům práce s chybami.

V tomto kurzu se naučíte, jak od nápadu postavit plně funkční webovou aplikaci. Krok za krokem si vytvoříme vlastní aplikaci pro sdílení zajímavých míst na mapě a prozkoumáme, jak fungují moderní webové
  technologie v praxi.

  Co se v kurzu naučíte:

   * Architektura webových aplikací: Pochopíte, jak spolu komunikuje frontend (to, co vidíte v prohlížeči), backend (mozek aplikace) a databáze (paměť aplikace).
   * Moderní Python nástroje:
       * Streamlit: Pro rychlou a jednoduchou tvorbu interaktivního uživatelského rozhraní.
       * FastAPI: Pro vytvoření výkonného a robustního backendu (API).
   * Práce s daty: Naučíte se ukládat a spravovat data v relační databázi MariaDB pomocí jazyka SQL.
   * Kontejnerizace s Dockerem: Zjistíte, jak celou aplikaci "zabalit" a spolehlivě spustit kdekoli pomocí Dockeru a Docker Compose, což je klíčová dovednost v dnešním softwarovém vývoji.

  Hlavní cíl kurzu:

  Prakticky si vyzkoušíte, jak rozšířit existující aplikaci. Naším hlavním úkolem bude implementovat formulář, který umožní uživatelům přidávat nová zajímavá místa do databáze přímo přes webové rozhraní.

  Kurz je ideální pro studenty se základy Pythonu, kteří chtějí proniknout do světa webového vývoje a vytvořit si svůj první komplexní projekt.

Používáte aplikaci Krajský Energetický Management (KEM) nebo se na to chystáte?

Přijďte na praktické školení, kde vás provedeme všemi funkcemi této užitečné aplikace a naučíte se, jak ji efektivně využívat v praxi!

Co se naučíte?

• Základní práce s rozhraním aplikace KEM.
• Zadávání a správa dat o energetické spotřebě.
• Generování reportů a analýza dat pro lepší rozhodování.
• Tipy a triky pro efektivní používání funkcí KEM.

Proč se zúčastnit?

• Získáte praktické dovednosti pro každodenní práci s aplikací.
• Naučíte se využívat plný potenciál KEM pro vaši organizaci.
• Usnadníte si správu a sledování energetické spotřeby pomocí intuitivních nástrojů.

Kurz, který bude pokrývat tvorbu webových aplikací s využitím knihoven FastAPI a Streamlit v Pythonu, a sestavení aplikace pomocí Docker Compose. Pro zpracování dat na backendu budeme používat knihovnu Pandas.

Sylabus

Lekce 1: Úvod do webových aplikací v Pythonu

• Cíl: Seznámit se s koncepty webových aplikací a použitémi technologiemi.

• Obsah:

  • Co je webová aplikace

  • Přehled používaných knihoven (FastAPI, Streamlit, Pandas)

  • Úvod do kontejnerizace s Dockerem

Lekce 2: Základy FastAPI

• Cíl: Naučit se základy práce s FastAPI pro tvorbu backendu.

• Obsah:

  • Instalace a nastavení prostředí

  • Vytvoření jednoduchého API s FastAPI

  • Práce s routami a parametry

Lekce 3: Zpracování dat s Pandas na backendu

• Cíl: Naučit se zpracovávat data na backendu pomocí knihovny Pandas.

• Obsah:

  • Načítání dat do Pandas

  • Filtrace, agregace a manipulace s daty

  • Integrace Pandas do FastAPI

Lekce 4: Tvorba frontendu s Streamlit

• Cíl: Seznámit se s knihovnou Streamlit pro tvorbu interaktivního frontendu.

• Obsah:

  • Instalace a nastavení Streamlit

  • Základní komponenty a layouty

  • Propojení s backendem

Lekce 5: Interakce mezi backendem a frontendem

• Cíl: Naučit se vytvářet interakce mezi frontendem a backendem.

• Obsah:

  • Vytváření API endpointů ve FastAPI

  • Posílání požadavků z frontendu na backend

  • Zobrazování získaných dat ve Streamlit

Lekce 6: Docker a Docker Compose

• Cíl: Naučit se základy Dockeru a Docker Compose pro nasazení aplikace.

• Obsah:

  • Co je Docker a proč ho používat

  • Vytvoření Dockerfile pro FastAPI a Streamlit

  • Sestavení aplikace pomocí Docker Compose

Lekce 7: Zabezpečení a optimalizace

• Cíl: Naučit se zabezpečit a optimalizovat webovou aplikaci.

• Obsah:

  • Zabezpečení API endpointů

  • Optimalizace výkonu aplikace

  • Testování a ladění aplikace

Lekce 8: Závěrečný projekt

• Cíl: Aplikovat získané znalosti v reálném projektu.

• Obsah:

  • Návrh a implementace vlastního projektu

  • Integrace všech komponent

  • Testování a prezentace výsledků

Sylabus

Lekce 1: Úvod do ESP32 a LoRa

• Cíl: Seznámit se s ESP32 a technologií LoRa.

• Obsah:

  • Co je ESP32 a jeho vlastnosti

  • Úvod do LoRa a LoRaWAN

  • Instalace vývojového prostředí (Arduino IDE)

Lekce 2: Nastavení vývojového prostředí

• Cíl: Naučit se nastavit vývojové prostředí pro programování ESP32.

• Obsah:

  • Instalace ESP32 balíčků v Arduino IDE

  • Konfigurace desky ESP32 v Arduino IDE

  • Nahrání prvního programu (Blink)

Lekce 3: Základy programování s ESP32

• Cíl: Naučit se základní strukturu a syntaxi programování ESP32.

• Obsah:

  • Struktura Arduino skic

  • Práce s digitálními a analogovými piny

  • Použití sériové komunikace

Lekce 4: Práce s periferiemi ESP32

• Cíl: Naučit se pracovat s periferiemi jako jsou senzory a akční členy.

• Obsah:

  • Připojení a čtení senzorů (např. teploměr, vlhkoměr)

  • Ovládání akčních členů (např. LED, servo motor)

  • Práce s PWM a I2C

Lekce 5: Úvod do LoRa komunikace

• Cíl: Seznámit se s LoRa komunikací a jejím nastavením na ESP32.

• Obsah:

  • Konfigurace LoRa modulu

  • Nastavení parametrů (frekvence, šířka pásma)

  • Základní příklad odesílání a přijímání dat

Lekce 6: Pokročilá LoRa komunikace

• Cíl: Naučit se pokročilé techniky LoRa komunikace.

• Obsah:

  • Práce s LoRaWAN

  • Šifrování a zabezpečení dat

  • Přenos velkých objemů dat

Lekce 7: IoT projekty s ESP32 a LoRa

• Cíl: Aplikovat naučené znalosti v reálných projektech.

• Obsah:

  • Sběr dat z několika senzorů

  • Odesílání dat do cloudu

  • Vytváření alertů a notifikací

Lekce 8: Optimalizace a ladění

• Cíl: Naučit se optimalizovat kód a řešit běžné problémy.

• Obsah:

  • Optimalizace spotřeby energie

  • Ladění LoRa spojení

  • Analýza dat a optimalizace kódu

Lekce 9: Projektový den

• Cíl: Práce na vlastním projektu.

• Obsah:

  • Plánování projektu

  • Implementace projektu

  • Testování a ladění

Lekce 10: Prezentace projektů

• Cíl: Prezentovat dokončené projekty a získat zpětnou vazbu.

• Obsah:

  • Prezentace projektů před třídou

  • Diskuze o projektech

  • Zpětná vazba a další vylepšení

Počítačové vidění – openCV a Ultralytics YOLO

Lekce 1: Úvod do OpenCV

• Cíl: Seznámit se s knihovnou OpenCV a jejími základními funkcemi.

• Obsah:

  • Instalace OpenCV

  • Čtení a zobrazování obrázků a videa

  • Základní operace s obrázky (změna velikosti, otočení, převod do šedé škály)

Lekce 2: Zpracování obrazu

• Cíl: Naučit se základní techniky zpracování obrazu.

• Obsah:

  • Filtrování obrazu (Gaussian, Median)

  • Detekce hran (Canny edge detector)

  • Práce s histogramy a prahování obrazu

Lekce 3: Detekce objektů

• Cíl: Naučit se detekovat základní objekty v obraze.

• Obsah:

  • Detekce obličejů s použitím Haar Cascade

  • Detekce tvarů (kruhy, čtverce, obdélníky)

Lekce 4: Sledování objektů

• Cíl: Naučit se sledovat objekty v rámci videa.

• Obsah:

  • Sledování objektů pomocí metody Optical Flow

  • Implementace algoritmu MeanShift a CamShift

Lekce 5: Úvod do knihovny Ultralytics YOLO

• Cíl: Seznámit se s knihovnou Ultralytics a algoritmem YOLO.

• Obsah:

  • Instalace knihovny Ultralytics

  • Základy algoritmu YOLO (You Only Look Once)

  • Detekce objektů pomocí předtrénovaného modelu YOLO

Lekce 6: Vlastní trénování modelu YOLO

• Cíl: Naučit se trénovat vlastní model YOLO pro detekci objektů.

• Obsah:

  • Příprava datasetu pro trénování

  • Trénování modelu pomocí knihovny Ultralytics

  • Vyhodnocení modelu

Lekce 7: Detekce a počítání objektů

• Cíl: Implementovat detekci a počítání objektů procházejících různými oblastmi.

• Obsah:

  • Definování oblastí zájmu (ROI) v obraze

  • Počítání objektů v ROI

  • Práce s více ROI

Lekce 8: Měření rychlosti objektů

• Cíl: Implementovat měření rychlosti objektů v rámci videa.

• Obsah:

  • Výpočet rychlosti objektů na základě změny pozice v čase

  • Použití OpenCV pro měření vzdálenosti a času

  • Vyhodnocení přesnosti měření

Lekce 9: Integrace všeho dohromady

• Cíl: Aplikovat všechny naučené techniky do jednoho projektu.

• Obsah:

  • Integrace detekce, počítání a měření rychlosti objektů

  • Optimalizace kódu a výkonu

  • Testování projektu na různých scénářích

Lekce 10: Závěrečný projekt a prezentace

• Cíl: Prezentovat výsledky a závěry z implementace.

• Obsah:

  • Finalizace projektu

  • Prezentace výsledků a závěrečné hodnocení

  • Diskuze a zpětná vazba

Superset je open-source platforma pro datovou analýzu a vizualizaci, která umožňuje snadné a interaktivní zpracování dat. Níže je návrh sylabu pro kurz, který zahrnuje základní i pokročilé techniky práce s tímto nástrojem.

Sylabus

Lekce 1: Úvod do Superset

• Cíl: Seznámit se s nástrojem Superset a jeho základními funkcemi.

• Obsah:

  • Instalace a konfigurace Superset

  • Orientace v uživatelském rozhraní

  • Přehled základních funkcionalit

Lekce 2: Připojení k datovým zdrojům

• Cíl: Naučit se připojit Superset k různým datovým zdrojům.

• Obsah:

  • Podporované databáze a formáty

  • Nastavení nového připojení k databázi

  • Správa datových zdrojů

Lekce 3: Práce s datovými sadami

• Cíl: Naučit se vytvářet a spravovat datové sady v Superset.

• Obsah:

  • Vytváření datových sad

  • Editace a úpravy datových sad

  • Sdílení datových sad s ostatními uživateli

Lekce 4: Vytváření základních vizualizací

• Cíl: Naučit se vytvářet základní typy grafů a vizualizací.

• Obsah:

  • Sloupcové, čárové a koláčové grafy

  • Filtry a časové osy

  • Práce s tématy a styly

Lekce 5: Pokročilé vizualizace a dashboardy

• Cíl: Vytvářet pokročilé vizualizace a integrovat je do dashboardů.

• Obsah:

  • Heatmapy, scatter ploty, mapy

  • Tvorba interaktivních dashboardů

  • Optimalizace dashboardů pro různé typy zařízení

Lekce 6: Filtry a interakce

• Cíl: Naučit se používat filtry a interaktivní prvky ve vizualizacích.

• Obsah:

  • Dynamické filtry

  • Parametrizované vizualizace

  • Interaktivní prvky pro uživatele

Lekce 7: Analýza reálného datasetu

• Cíl: Aplikovat nabyté znalosti na reálném datasetu.

• Obsah:

  • Analýza vybraného datasetu (např. finanční data, data z provozu webu)

  • Vizualizace výsledků

  • Prezentace závěrů

Lekce 8: Bezpečnost a správa přístupů

• Cíl: Naučit se zabezpečit data a řídit přístupy uživatelů.

• Obsah:

  • Role a oprávnění

  • Správa přístupů k datovým zdrojům a dashboardům

  • Auditování a logování přístupů

Lekce 9: Rozšíření Superset

• Cíl: Prozkoumat možnosti rozšíření a customizace Superset.

• Obsah:

  • Instalace a využití pluginů

  • Tvorba vlastních vizualizací

  • Integrace s dalšími nástroji a službami

Lekce 10: Závěrečný projekt

• Cíl: Prezentovat výsledky a závěry z implementace.

• Obsah:

  • Finalizace projektu na vybraném datasetu

  • Prezentace výsledků a závěrečné hodnocení

  • Diskuze a zpětná vazba

Lekce 1: Úvod do Pythonu

• Cíl: Pochopit základy Pythonu a jeho použití.

• Obsah:

  • Co je Python a proč ho používat?

  • Instalace Pythonu a nastavení prostředí (např. IDLE, VS Code)

  • Spuštění prvního Python skriptu

  • Základní datové typy (čísla, řetězce)

Lekce 2: Proměnné a operátory

• Cíl: Naučit se pracovat s proměnnými a operátory.

• Obsah:

  • Deklarace a použití proměnných

  • Operátory (aritmetické, relační, logické)

  • Přiřazovací operátory

Lekce 3: Řízení toku programu

• Cíl: Naučit se používat podmínky a cykly.

• Obsah:

  • Podmíněné příkazy (if, elif, else)

  • Cyklus for

  • Cyklus while

Lekce 4: Funkce

• Cíl: Naučit se vytvářet a používat funkce.

• Obsah:

  • Definice a volání funkcí

  • Parametry a návratové hodnoty

  • Lokální a globální proměnné

Lekce 5: Seznamy a n-tice

• Cíl: Naučit se pracovat s kolekcemi dat.

• Obsah:

  • Seznamy (vytváření, přístup, manipulace)

  • N-tice (vytváření, přístup)

  • Základní metody seznamů

Lekce 6: Slovníky a množiny

• Cíl: Naučit se pracovat s dalšími datovými strukturami.

• Obsah:

  • Slovníky (vytváření, přístup, manipulace)

  • Množiny (vytváření, operace)

Lekce 7: Souborový systém

• Cíl: Naučit se pracovat se soubory.

• Obsah:

  • Otevření, čtení a zápis do souboru

  • Uzavření souboru

  • Práce s cestami a adresáři

Lekce 8: Základy objektově orientovaného programování

• Cíl: Pochopit základní principy OOP v Pythonu.

• Obsah:

  • Třídy a objekty

  • Atributy a metody

  • Dědičnost

Lekce 9: Práce s knihovnami

• Cíl: Naučit se používat externí knihovny.

• Obsah:

  • Instalace a import knihoven

  • Ukázka práce s knihovnou (např. matplotlib pro vizualizaci dat)

Lekce 10: Závěrečný projekt

• Cíl: Aplikovat nabyté znalosti na praktickém projektu.

• Obsah:

  • Návrh projektu (např. jednoduchá hra, kalkulačka, apod.)

  • Implementace projektu

  • Prezentace výsledků

Zpracování dat pomocí Pandas

Lekce 1: Úvod do Pandas

• Cíl: Seznámit se s knihovnou Pandas a jejími základními funkcemi.

• Obsah:

  • Instalace Pandas

  • Načtení dat ze souboru (CSV, Excel)

  • Základní operace s DataFrame (prohlížení, filtrování, výběr dat)

Lekce 2: Pokročilé operace s Pandas

• Cíl: Naučit se pokročilé techniky práce s DataFrame.

• Obsah:

  • Skupinové operace (groupby)

  • Spojování a slučování datasetů (merge, concat)

  • Práce s chybějícími hodnotami

Lekce 3: Čištění a příprava dat

• Cíl: Naučit se připravit data pro analýzu.

• Obsah:

  • Odstraňování duplicit

  • Normalizace a škálování dat

  • Formátování a převod datových typů

Lekce 4: Vizuální průzkum dat s Plotly

• Cíl: Seznámit se s knihovnou Plotly a jejími základními funkcemi.

• Obsah:

  • Instalace Plotly

  • Základní grafy (sloupcové, čárové, koláčové grafy)

  • Práce s interaktivními grafy

Lekce 5: Pokročilá vizualizace dat s Plotly

• Cíl: Naučit se vytvářet pokročilé vizualizace pomocí Plotly.

• Obsah:

  • Vytváření víceúrovňových grafů (subplots)

  • Práce s barvami a styly grafů

  • Animované a 3D grafy

Lekce 6: Tvorba interaktivních dashboardů

• Cíl: Naučit se vytvářet interaktivní dashboardy pro prezentaci dat.

• Obsah:

  • Integrace grafů Plotly do webových aplikací

  • Vytváření dynamických dashboardů pomocí Dash

  • Publikování dashboardů online

Lekce 7: Analýza reálného datasetu

• Cíl: Aplikovat nabyté znalosti na reálném datasetu.

• Obsah:

  • Analýza vybraného datasetu (např. ekonomická data, sportovní statistiky)

  • Vizualizace výsledků

  • Prezentace závěrů

Lekce 8: Zpracování časových řad

• Cíl: Naučit se pracovat s časovými řadami v Pandas.

• Obsah:

  • Konverze datových sloupců na časové řady

  • Resampling a agregace dat

  • Vykreslování časových řad pomocí Plotly

Lekce 9: Pokročilá práce s datovými strukturami

• Cíl: Prozkoumat pokročilé datové struktury a operace v Pandas.

• Obsah:

  • Práce s MultiIndex a hierarchickými daty

  • Cross-tabulation a pivot tabulky

  • Využití Window functions pro analýzu

Lekce 10: Závěrečný projekt

• Cíl: Prezentovat výsledky a závěry z implementace.

• Obsah:

  • Finalizace projektu na vybraném datasetu

  • Prezentace výsledků a závěrečné hodnocení

  • Diskuze a zpětná vazba

Vítejte v našem komplexním kurzu Linuxu! Tento kurz vás provede světem Linuxu od základního pochopení až po pokročilé techniky jako je virtualizace a kontejnery. Je navržen tak, aby byl zábavný, interaktivní a přínosný pro vaše pochopení a dovednosti. Připravte se na 40 hodin objevování a učení!

Tento kurz vás provede základy používání Superset, open-source nástroje pro vizualizaci a průzkum dat, který je ideální pro analýzu velkých datasetů a tvorbu interaktivních dashboardů. Superset nabízí intuitivní rozhraní a podporuje širokou škálu databázových systémů, včetně SQL, PostgreSQL, MySQL a dalších.

Kurz začíná úvodem do základních funkcí, jako je připojení k databázi, tvorba dotazů pomocí SQL Lab a následná vizualizace dat pomocí vestavěných grafických možností. Naučíte se, jak vytvořit jednoduché grafy, tabulky a dashboardy, které vám umožní efektivně zobrazit klíčové trendy a poznatky. Tento blok je zaměřený na uživatele, kteří mají základní znalosti o databázích, ale chtějí si osvojit nástroj, který jim usnadní práci s daty a jejich prezentaci.

Superset je ideální pro analytiky, kteří chtějí rychle a bez nutnosti kódování vytvářet interaktivní vizualizace a zlepšit rozhodovací procesy ve svých firmách.

Úvod do Pythonu

• Cíl: Pochopit základy Pythonu a jeho použití.

• Obsah:

  • Co je Python a proč ho používat?

  • Instalace Pythonu a nastavení prostředí (např. IDLE, VS Code)

  • Spuštění prvního Python skriptu

  • Základní datové typy (čísla, řetězce)
  • Práce s objekty
  • Práce s knihovnami
  • Závěrečný projekt