eLearning

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