Utilisation of EU Employment Data in Lecturing Data Mining Course

Masopust, Jan; Dobešová, Zdena; Macků, Karel

doi:10.1007/978-3-030-77445-5_55

Cited by 2 publications

(1 citation statement)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Vzájemná podobnost Řecka a Kypru není překvapující, další shluk podobných post-komunistických zemí tvoří Slovensko, Slovinsko, Česko a Maďarsko. Postup zpracování, který se studenti učí na cvičení, byl již prezentován formou článku na on-line konferenci CSOC 2021 (Masopust et al, 2021).…”

Section: Analýza Dat Zaměstnanosti V Euunclassified

Výuka geoinformatických předmětů na příkladech dat Evropské Unie

Dobešová¹,

Macků²,

Kučera³

2022

GIS Ostrava 2022. Smart City – Vize a Realita

Self Cite

View full text Add to dashboard Cite

Předměty Data Mining a Pokročilé zpracování geodat jsou povinnými předměty pro magisterské studium programu Geoinformatika a kartografie na Univerzitě Palackého. V praktických cvičeních se využívají data poskytovaná evropskými úřady. V obou předmětech jsou to data poskytovaná statistickým úřadem Evropské unie Eurostat a dále data poskytovaná Evropskou agenturou životního prostředí v programu Copernicus Land Monitoring Servise -Urban Atlas. Přínosem praktických cvičení je nejen procvičení různých metod analýzy, ale i seznámení se zdroji dat Evropské unie. Praktické příklady tak zvyšují znalost o geografických evropských tématech a možnostech získávání dat z volně dostupných zdrojů.V rámci předmětu Data Mining jsou procvičována témata korelace, analýza hlavních komponent, hierarchické a nehierarchické shlukování na datech zaměstnanosti podle číselníku ekonomické aktivity NACE Level1. Analýza časových řad je procvičována na datech železniční dopravy v zemích EU. Zajímavé je zjišťování trendu osobní dopravy v letech 2004 až 2021 v jednotlivých evropských zemích. Dále lze dobře zjistit kvartální změny z dat dopravy v důsledku pandemie COVID-19 v roce 2020 a 2021. Postupy hledání podobnosti jsou ukázány na datech Urban Atlasu. Navíc je procvičováno použití natrénovaných neuronových sítí pro zjištění podobnosti evropských měst podle landuse center měst. Závěrečný semestrální projekt je také postaven na evropských datech. Ve cvičení je používán data miningový software Orange, který vizuálním programovacím jazykem.Předmět Pokročilé zpracování geodat se zaměřuje především na témata související s prostorovou statistikou -nejprve provádí studenty metodami pokročilé exploratorní analýzy, dále jsou představeny prostorově vážené metody, na které navazuje využití prostorových regresních modelů. Druhou část sylabu tvoří využití metod geocomputation, ve které se studenti seznámí s tématy fuzzy logiky, teorie informace a fraktální geometrie a jejich využití v prostoru. Pro cvičení jsou využívány regionální statistiky NUTS2 z databáze Eurostat a databáze OECD.Výukové texty jako je učebnice software Orange (Dobešová, 2022) a příklady k samostatnému procvičení nad daty EU jsou volně dostupné včetně zdrojových dat a programových kódů na stránce projektu http://urbandm.upol.cz/ v sekci Výukové materiály.

show abstract

Section: Analýza Dat Zaměstnanosti V Euunclassified