155YGEI Geoinformatika: Porovnání verzí

Z GeoWikiCZ
Bayer (diskuse | příspěvky)
Bez shrnutí editace
Bayer (diskuse | příspěvky)
 
Řádek 35: Řádek 35:
* Dle dosaženého bodového hodnocení za odevzdané úlohy (bude upřesněno na cvičení).
* Dle dosaženého bodového hodnocení za odevzdané úlohy (bude upřesněno na cvičení).


== Harmonogram pro akademický rok 2023/2024 ==
== Harmonogram pro akademický rok 2024/2025 ==


;Harmonogram přednášek:
;Harmonogram přednášek:
Řádek 66: Řádek 66:
;Cvičení:
;Cvičení:


Řešení úloh ve zvoleném skriptovacím jazyce (Python/Matlab). Odevzdávání a hodnocení po
Řešení úloh ve zvoleném skriptovacím jazyce (Python/Matlab).
skupinách.


Každá z úloh obsahuje povinnou část a volitelnou část. Povinná část úlohy je hodnocena fixním počtem bodů,
Odevzdávání a následné hodnocení po dvoučlenných skupinách.
volitelná část v závislosti na zvolených a vyřešených problémech.


Celkové hodnocení úlohy je součtem ohodnocení
Odevzdává se textová část (PDF, ideálně LaTeX) a zdrojový kód.
povinné části, volitelné části, a zpracování technické zprávy.
 
Pro skupinu nutno zřídit účet na github. Pro pohodlnější práci s repozitářem můžete využít github [https://github.com/apps/desktop desktop].  


{| class="border"
{| class="border"

Aktuální verze z 18. 9. 2024, 11:24

Základní údaje o předmětu

  • Aktuální a kompletní informace jsou na této stránce
  • Kód předmětu: 155YGEI
  • Garant předmětu:

doc. Ing. Tomáš Bayer, Ph.D.

  • Přednášející:

doc. Ing. Tomáš Bayer, Ph.D., prof. Ing. Jiří Cajthaml, Ph.D., prof. Ing. Lena Halounová, CSc., Ing. Tomáš Janata, Ph.D.

  • Rozsah: 2+2
  • Počet kreditů: 4
  • Ukončení: z, zk

Anotace

Předmět je zaměřen na pasáže teoretické informatiky zabývající se prostorovými daty v kartografii, GIS, DPZ. Zahrnuje popis vybraných algoritmů a jejich implementací ve skriptovacích jazycích Python / Matlab. Cílem kurzu je přiblížit studentům informatické/matematické pozadí metod moderní geoinformatiky a automatizovaného zpracování geodat. Předmět je vhodný i pro studenty doktorského studia, kteří by se chtěli věnovat návrhu a vývoji nových metod zpracování prostorových dat.

Vstupní požadavky

Znalost skriptovacích jazyků Python / Matlab, vybraných pasáží lineární algebry a matematické analýzy.

Doporučená literatura
  • Sojka, E., Gaura, J, Krumnikl, M.: Matematické základy digitálního zpracování obrazu, ZČU, 2011.
  • Samet, H.: Foundations of Multidimensional and Metric Data Structures, Morgan Kaufmann, 2006, ISBN: 9780123694461
  • Kolář, J.: Teoretická informatika, skriptum ČVUT, 2004

Podmínky ukončení předmětu

Zápočet
  • Včasné odevzdání úloh dle harmonogramu.
  • Účast na cvičeních.
Zkouška
  • Dle dosaženého bodového hodnocení za odevzdané úlohy (bude upřesněno na cvičení).

Harmonogram pro akademický rok 2024/2025

Harmonogram přednášek

Vyučující: doc. Ing. Tomáš Bayer, Ph.D., prof. Ing. Jiří Cajthaml, Ph.D., prof. Ing. Lena Halounová, CSc., Ing. Tomáš Janata, Ph.D., Ing. Markéta Potůčková, Ph.D.

Datum Téma přednášky Přednáší
24.9. Algoritmus, složitost algoritmu (PDF) TB
1.10. Komprese a kompresní algoritmy pro rastrová data (PDF) TB
8.10. Prostorová indexace dat (PDF) TB
15.10. Filtrace obrazu LH
22.10.-29.10. Automatizované rozpoznávání objektů v mapách (PDF), (odkaz 1) JC, TJ
5.11.-12.11. Vybrané grafové algoritmy a jejich implementace (PDF) (PDF) TB
22.11. Clusterizační algoritmy MP
29.11. Analýza, klasifikace a extrakce objektů z bodových mračen MP
6.12. Dekorelace dat, metoda hlavních komponent MP


Cvičení

Řešení úloh ve zvoleném skriptovacím jazyce (Python/Matlab).

Odevzdávání a následné hodnocení po dvoučlenných skupinách.

Odevzdává se textová část (PDF, ideálně LaTeX) a zdrojový kód.

Pro skupinu nutno zřídit účet na github. Pro pohodlnější práci s repozitářem můžete využít github desktop.

Datum Téma úlohy Cvičí
3.10. JPEG komprese rastru (PDF) TB
17.10. Clusterizační algoritmy MP
21.11. Automatizované rozpoznávání objektů v mapách (PDF, data) JC, TJ
5.12. Nejkratší cesta grafem (PDF) TB
19.12. Metoda hlavních komponent MP


Každá úloha bude obsahovat:

  1. Zadání.
  2. Údaje o bonusových úlohách.
  3. Popis a rozbor problému + vzorce.
  4. Popisy metod/algoritmů formálním jazykem.
  5. Vstupní data, formát vstupních dat, popis.
  6. Výstupní data, formát výstupních dat, popis.
  7. Závěr, možné či neřešené problémy, náměty na vylepšení.
  8. Seznam literatury.

Odkazy