Konspekt
PL/: Zadaniem kursu jest zapoznanie studentów z szeroką gamą narzędzi, metod i sposobów spojrzenia na dane cyfrowe, które dotyczą osób i są przez nie tworzone; w trakcie zajęć słuchacze dowiedzą się, co można wyczytać z pozornie nieistotnych danych. Zaprezentowane zostaną następujące tematy: pozyskiwanie danych z prostych tabelek przy pomocy metod wielowymiarowych, uczenie maszynowe, analiza tekstu i obrazu oraz szeregów czasowych i relacji cyfrowych, pozyskiwanie danych internetowych i zastosowanie ich do tworzenia analiz na potrzeby branży turystycznej, analizowania przepływu informacji na Twitterze czy praktyk prania brudnych pieniędzy.
CZ/: Tento kurz posluchačům představí široké spektrum nástrojů, metod a způsobu nahlížení na digitální data tvořená lidmi a o lidech tak, aby bylo zřetelné, co lze i z jinak na první pohled bezvýznamných dat vyčíst. Představena budou témata od vytěžování prostých tabulek pomocí vícerozměrných metod, strojového učení, analýzy textu, obrazu, časových řad, digitálních vztahů, získávání dat z webu včetně aplikací od analýzy turismu, toku informací na Twitteru až po analýzu praktik praní špinavých peněz.
Program/ Témata:
1) Stručný úvod do historie Digital Humanities / Zarys dziejów humanistyki cyfrowej
2) Aktuální aplikace vytěžování informací o lidech / W jakim celu pozyskuje się dziś informacje o osobach?
3) Data jako matice a metody jejich vytěžení, interpretace a implikace / Dane jako macierze i metody ich pozyskiwania, interpretacji i implikacji
4) Role strojového učení / Rola uczenia maszynowego
5) Analýza vztahů, grafy, sítě / Analiza relacji, grafy, sieci
6) Analýza textů, obrazu a videa / Analiza tekstów, obrazów i filmów
7) Analýza časových řad / Analiza szeregów czasowych
8) Aplikace v komplexních projektech / Zastosowania w projektach złożonych
Literatura:
Aggarwal, Ch. C. (2015). Data Mining: The Textbook. Switzerland: Springer International Publishing AG.
Bartholomew, D.J., Steele, F., Moustaki, I., Galbraith, J. (2008). Analysis of multivariate social science data (2nd edition). Chapman and Hall, London.
Bramer, M. (2007). Principles of Data Mining. London: Springer-Verlag New York.
Cichosz, P. (2015). Data Mining Algorithms: Explained Using R. Hoboken, NJ, United States: John Wiley & Sons.
Čech, R., Popescu, I. I., Altmann, G. (2014). Metody kvantitativní analýzy (nejen) básnických textů. Olomouc.
Demel, Jiří. (2002). Grafy a jejich aplikace. Academia.
Everitt, B. S., Landau, S., Leese, M., Stahl, S. (2011). Cluster Analysis. Oxford: Wiley-Blackwell.
Husson, Franc. (2011). Exploratory Multivariate Analysis by Example Using R.
Lantz, Brett. (2013). Machine Learning with R. Birmingham: Packt Publishing.
Maharaj, E., D'Urso, P. and Caiado, J., n.d. Time Series Clustering And Classification.
Manning, Ch. D., Raghavan, P., Schütze, H. (2008). An Introduction to Information Retrieval. New York: Cambridge University Press.
Popescu, I. (2009). Word Frequency Studies.
Rogers, S., Girolami, M. (2016). A First Course in Machine Learning. United States: Chapman & Hall/CRC.
Spencer, Neil Hardy. (2014). Essentials of Multivariate Data Analysis.
Mobirise page software - Visit site