Studijní plány a sylaby FJFI ČVUT v Praze

-

Aktualizace dat: 15.10.2017

english

Navazující magisterské studiumAplikace softwarového inženýrství
1. ročník
předmět kód vyučující zs ls zs kr. ls kr.

Povinné předměty

Pravděpodobnost a aplikovaná statistika18AST Fabian 1+1 z,zk - - 3 -
Předmět:Pravděpodobnost a aplikovaná statistika18ASTprof.Ing. Fabian František CSc.1+1 Z,ZK-3-
Anotace:Jako jedna ze současných gramotností je cílem přednášky vést posluchače k samostatné schopnosti analyzovat, zpracovat a vyhodnotit statistický a experimentální materiál současnými, nejmodernějšími vědeckými metodami.
Osnova:1. Pojem statistického myšlení, statistika jako základní moderní gramotnost a nevyhnutelnost při zkoumání reálných zákonitostí a ve všech oblastech aplikací.
2. Pluralita definic "pravděpodobnosti". Oblasti jejích aplikací a využití při modelování problémů ve vědě, technice, ekonomice a jinde.
3. Podmíněné pravděpodobnosti, statistická nezávislost, korelace; jejich interpretace při praktickém využití.
4. Bayesův přístup jako jeden ze základních principů při vyhodnocování experimentálního materiálu.
5. Bodový odhad v diskrétním a spojitém případě náhodné veličiny, prostřednictvím statistických charakteristik.
6. Zákony velkých čísel a centrální limitní teorém jako matematická východiska k formulování pojmu intervalový odhad, a jejich využití ve statistickém výzkumu.
7. Testování hypotéz jako svérázný způsob myšlení a vyhodnocení experimentálního materiálu.
8. Regresní a korelační analýza jako specifický způsob zjišťování souvislostí, skrytých ve statistickém experimentálním materiálu.
9. Markovovy řetězce a stochastické procesy jako matematický model reálných statisticky závislých jevů.
Osnova cvičení:1. Pojem statistického myšlení, statistika jako základní moderní gramotnost a nevyhnutelnost při zkoumání reálných zákonitostí a ve všech oblastech aplikací.
2. Pluralita definic "pravděpodobnosti". Oblasti jejích aplikací a využití při modelování problémů ve vědě,technice,ekonomice a jinde.
3. Podmíněné pravděpodobnosti, statistická nezávislost, korelace; jejich interpretace při praktickém využití.
4. Bayesův přístup jako jeden ze základních principů při vyhodnocování experimentálního materiálu.
5. Bodový odhad v diskrétním a spojitém případě náhodné veličiny, prostřednictvím statistických charakteristik.
6. Zákony velkých čísel a centrální limitní teorém jako matematická východiska k formulování pojmu intervalový odhad, a jejich využití ve statistickém výzkumu.
7. Testování hypotéz jako svérázný způsob myšlení a vyhodnocení experimentálního materiálu.
8. Regresní a korelační analýza jako specifický způsob zjišťování souvislostí, skrytých ve statistickém experimentálním materiálu.
9. Markovovy řetězce a stochastické procesy jako matematický model reálných statisticky závislých jevů.
Cíle:Znalosti:
Definice pravděpodobnosti, statistické nezávislosti, metod odhadů, metod testování hypotéz, regresní a korelační analýzy, Markových řetězců.

Schopnosti:
Pochopení souvislosti matematických modelů s praktickou aplikací a zdůvodnění nevyhnutelnosti této souvislosti.
Požadavky:
Rozsah práce:
Kličová slova:Statistické myšlení, statistika, pravděpodobnost, matematická statistika, odhad bodový, odhad intervalový.
Literatura:Povinná literatura:
[1] Karel Zvára, Josef Štěpán: Pravděpodobnost a matematická statistika, MATFYZPRESS, UK, Grada, 2006.

Doporučená literatura:
[2] Jiří Anděl: Statistické metody, MATFYZPRESS, UK, Grada, 1998.

Modely a metody ekonomického rozhodování18MEK Fiala 2+2 z,zk - - 5 -
Předmět:Modely a metody ekonomického rozhodování18MEKprof. RNDr. Fiala Petr CSc.2+2 Z,ZK-5-
Anotace:Cílem kursu je seznámit studenty se základními modely a metodami teorie rozhodování. Modely jsou rozděleny podle počtu účastníků, počtu kritérií, vyjádření množiny rozhodovacích variant a dalších atributů. Mezi základní disciplíny patří jednokriteriální rozhodování při jistotě, neurčitosti a riziku, vícekriteriální rozhodování a skupinové rozhodování.
Osnova:1. Základní pojmy teorie rozhodování.
2. Diskrétní modely rozhodování.
3. Rozhodování při jistotě, neurčitosti a riziku.
4. Spojité modely rozhodování - matematické programování.
5. Vícekriteriální diskrétní modely rozhodování.
6. Metody s aspiračními úrovněmi, ordinální a kardinální informací.
7. Vícekriteriální spojité modely rozhodování - vícekriteriální programování.
8. Metody s informaci a priori, s informací a posteriori, s průběžnými informacemi.
9. Modely analýzy obalu dat.
10. Modely teorie her.
11. Modely teorie veřejné volby.
12. Modely týmového expertního výběru.
13. Modely vyjednávání.
Osnova cvičení:Procvičení modelů a metod na příkladech
1. Základní pojmy teorie rozhodování.
2. Diskrétní modely rozhodování.
3. Rozhodování při jistotě, neurčitosti a riziku.
4. Spojité modely rozhodování - matematické programování.
5. Vícekriteriální diskrétní modely rozhodování.
6. Metody s aspiračními úrovněmi, ordinální a kardinální informací.
7. Vícekriteriální spojité modely rozhodování - vícekriteriální programování.
8. Metody s informaci a priori, s informací a posteriori, s průběžnými informacemi.
9. Modely analýzy obalu dat.
10. Modely teorie her.
11. Modely teorie veřejné volby.
12. Modely týmového expertního výběru.
13. Modely vyjednávání.
Cíle:Znalosti:
Znalost spojitých modelů rozhodování dále metod analýzy obalu dat, modelů z teorie her a dalších modelů používaných při rozhodování.

Schopnosti:
Schopnost aplikovat probrané metody a modely pro řešení praktických ekonomických úloh.
Požadavky:Vstupní podmínky: absolvování kurzů matematiky a operačního výzkumu.
Rozsah práce:
Kličová slova:Rozhodování, modely metody, více kritérií, skupinové rozhodování, teorie her.
Literatura:Povinná literatura:
[1] Fiala, P.: Modely a metody rozhodování, Oeconomica, Praha, 2003.
[2] Dlouhý, M., Fiala, P.: Úvod do teorie her, Oeconomica, Praha, 2007.

Doporučená literatura:
[3] French, S.: Decision Theory: An Introduction to the Mathematics of Rationality. John Wiley, New York, 1986.

Metoda Monte Carlo18MMC Virius 2+2 z - - 4 -
Předmět:Metoda Monte Carlo18MMC2+2 Z-4-
Anotace:Předmět seznamuje studenty s výpočetní metodou Monte Carlo a s jejími aplikacemi ve vybraných oborech.
Osnova:1. Předpoklady k použití metody Monte Carlo (MC)
2. Přesnost metody MC
3. Transformace rovnoměrně rozdělené náhodné veličiny na náhodnou veličinu se zadaným rozdělením
4. Generování rovnoměrně rozdělené náhodné veličiny
5. Výpočet integrálu metodou MC
6. Řešení soustavy lineárních algebraických rovnic metodou MC
7. Řešení integrálních rovnic metodou MC
8. Řešení některých úloh pro diferenciální rovnice metodou MC
9. Řešení úloh o transportu záření metodou MC
10. Řešení problémů z teorie hromadné obsluhy metodou MC
Osnova cvičení:1. Předpoklady k použití metody Monte Carlo (MC)
2. Přesnost metody MC
3. Transformace rovnoměrně rozdělené náhodné veličiny na náhodnou veličinu se zadaným rozdělením
4. Generování rovnoměrně rozdělené náhodné veličiny
5. Výpočet integrálu metodou MC
6. Řešení soustavy lineárních algebraických rovnic metodou MC
7. Řešení integrálních rovnic metodou MC
8. Řešení některých úloh pro diferenciální rovnice metodou MC
9. Řešení úloh o transportu záření metodou MC
10. Řešení problémů z teorie hromadné obsluhy metodou MC
Cíle:Znalosti:
Princip metody Monte Carlo, aplikace ve vybraných oborech.

Schopnosti:
Aplikovat metodu Monte Carlo na řešení matematických a fyzikálních problémů
Požadavky:Znalost základů teorie pravděpodobnosti.
Rozsah práce:Individuální práce studentů představují implementaci metody Monte Carlo pro řešení zvoleného problému. Podmínkou zápočtu je úspěšná prezentace fungujícího programu včetně odhadu nepřesnosti výsledků.
Kličová slova:Metoda Monte Carlo, rozdělení pravděpodobnosti, transformace náhodné veličiny, chyba, generátor pseudonáhodných čísel, určitý integrál, soustava lineárních algebraických rovnic, Markovův řetězec, integrální rovnice, parciální diferenciální rovnice, teorie hromadné obsluhy, transport záření, simulované žíhání.
Literatura:Povinná literatura:
[1] Virius, M.: Metoda Monte Carlo. Praha, Vydavatelství ČVUT 2010. ISBN 978-80-01-04595-4.

Doporučená literatura:
[2] Kalos, M. H., Whitlock, Paula A.: Monte Carlo Methods. Second edition. Wiley & Blackwell 2008. ISBN 978-3-527-40760-6.

Objektově orientované programování18OOP Virius 0+2 z - - 2 -
Předmět:Objektově orientované programování18OOPdoc. Ing. Virius Miroslav CSc.0+2 Z-2-
Anotace:Náplň předmětu tvoří referáty studentů na zadaná témata zabývající se technologiemi používanými při vývoji programů.
Osnova:
Osnova cvičení:1. Objektové knihovny pro tvorbu aplikací pro Windows
2. Základy standardu COM
3. Základy standardu CORBA
4. Objektové modelování v jazyce UML
5. Návrhové vzory
6. Refaktoring
7. RMI
8. Webové služby
Cíle:Znalosti:
Základy vybraných programovacích technologií založených na objektově orientovaném programování.

Schopnosti:
Aplikace probraných technologií při vývoji softwaru.
Požadavky:Znalost programovacího jazyka C++.
Rozsah práce:Individuální práce studenta představuje buď prezentaci na zadané téma, přednesenou před ostatními studenty, nebo program využívající některou z probíraných technologií pro tvorbu distribuovaných aplikací. Ověření je založeno na předvedení programu nebo prezentace.
Kličová slova:COM, CORBA, webová služba, UML, RMI, návrhový vzor, refaktoring.
Literatura:Povinná literatura:
[1] E. Gamma, R. Helm, R. Johnson, J. Vlissides: Design Patterns. Addison-Wesley 1994. ISBN 0-201-63361-2.
[2] Martin Fowler: Refaktoring. Grada 2004. ISBN 80-247-0299-1.

Doporučená literatura:
[3] J. Schmuller: Myslíme v jazyku UML. Praha, Grada 2001. ISBN 80-247-0029-8.
[4] A. Rofail, Y. Shohoud: Mastering COM and COM+. Sybex 2000. ISBN 0-7821-2348-8.

Softcomputing18SOFC Kukal 2+2 kz - - 4 -
Předmět:Softcomputing18SOFCdoc. Ing. Kukal Jaromír Ph.D.2+2 KZ-4-
Anotace:Fuzzy systémy a vybrané umělé neuronové sítě jsou diskutovány jako speciální případy lipschitzovsky spojitých funkcí s ohraničenou citlivostí a omezeným výstupem. Jsou zahrnuty jak příslušné teorie, tak aplikační zvyklosti.
Osnova:1. Cíle a metody softcomputingu
2. Booleova algebra, její zákony, použití a možnosti jejího zobecnění
3. Svaz, reziduovaný svaz a BL algebra
4. Teorie t-norem a odvozené operátory
5. Fuzzy pravidla, podobnost a dolování dat
6. Teorie Archimédovských norem a jejich generátory
7. Lipschitzovská spojitost a ohraničená citlivost soft systémů
8. Fuzzy množina, fuzzifikace a defuzzifikace
9. Fuzzy expertní systém, fuzzy rozhodování a fuzzy řízení
10. Lineární kombinace či vzdálenost a její fuzzifikace uvnitř ANN
11. Modul softmax uvnitř ANN
12. Hierarchická struktura MLP, RBF, DNF, CNF, MPFN a dalších ANN
13. Učení soft systémů jako optimalizační úloha
14. Horní odhad citlivosti soft systému
Osnova cvičení:Osnova cvičení se shoduje s osnovou přednášky.
Cíle:Znalosti:
Cílem je zabránit nedorozumění, že soft systém je jistým druhem měkkého systému s neužitečnými vlastnostmi. Fuzzy systémy a umělé neuronové sítě (ANN) jsou zkoumány společně jako systémy s mnoha užitečnými vlastnostmi a oblastmi využití.

Schopnosti:
Orientace v dané problematice a schopnost řešení reálných úloh.
Požadavky:Základní znalosti algebry, analýzy a programovacích technik.
Rozsah práce:Vypracovat protokol v PDF shrnující výsledky vlastních počítačových experimentů s nejméně třemi různými metodami softcomputingu aplikovanými na jeden smysluplný a netriviální problém popsaný trénovací množinou:
Počet vzorů k učení nejméně 50
Počet vstupů nejméně 5
Počet hodnocených pravidel nejméně 243
Počet etalonů nejméně 10
Počet skrytých neuronů nejméně 3
Známka je určena výsledkem písemného testu znalostí metod softcomputingu (minimálně 50 %).
Kličová slova:Softcomputing, fuzzy systém, umělá neuronová síť, ohraničená citlivost.
Literatura:Povinná literatura:
[1] Navara M., Olšák P.: Základy fuzzy množin, Vydavatelství ČVUT, 2002.
[2] Hakl F., Holeňa M.: Úvod do teorie neuronových sítí, Vydavatelství ČVUT, Praha, 1998.

Doporučená literatura:
[3] Vysoký P.: Fuzzy řízení, Vydavatelství ČVUT, Praha, 1996.
[4] Šíma J., Neruda R.: Teoretické otázky neuronových sítí, Matfyzpress, Praha, 1996.

Aplikovaná ekonometrie a teorie časových řad18AEK Sekničková 2+2 z,zk - - 4 -
Předmět:Aplikovaná ekonometrie a teorie časových řad18AEKMgr. Sekničková Jana Ph.D.2+2 Z,ZK-4-
Anotace:Obsahem přednášek je výklad ekonometrických modelů a metod s důrazem na soustavy lineárních simultánních rovnic, časových řad a vektorových autoregresí při aplikaci ekonometrických modelů v ekonomické diagnostice, analýze, prognózování a v optimalizaci hospodářské politiky. Případové studie a ilustrativní příklady se řeší ve cvičeních.
Osnova:1. Problémy lineárního regresního modelu - technika umělých vysvětlujících proměnných, nepřesná specifikace modelu, chyby měření.
2. Zobecněný lineární regresní model, nedodržení předpokladů o náhodných složkách (metoda zobecněných nejmenších čtverců, heteroskedasticita, autokorelace) a multikolinearita.
3. Simultánně závislé rovnice - interdependentní a rekurzivní soustavy, strukturní, redukovaný a konečný tvar simultánních modelů, kritéria a způsoby identifikace strukturních rovnic simultánních soustav.
4. Odhad simultánně závislých rovnic metodou dvoustupňových nejmenších čtverců.
5. Odhad parametrů redukovaného tvaru simultánních rovnic.
6. Aplikace modelů nákladů a produkce, testování a odhad statické a dynamické produkční funkce Cobba-Douglase.
7. Dekompozice časových řad.
8. Časové řady - stacionarita, autokorelační funkce, parciální autokorelační funkce, bílý šum.
9. Modely stacionárních časových řad - AR, MA, ARMA modely.
10. Modely nestacionárních časových řad - ARIMA modely.
11. Modely sezónních časových řad - SARIMA modely, odhad parametrů, jejich využití k predikci a testování kointegrace.
Osnova cvičení:1. Modelování produkčních funkcí
2. Modelování spotřeby
3. Řešení vybraných ekonometrických problémů
4. Testování předpokladů modelů
5. Fáze ekonometrické analýzy
6. Ekonometrický projekt
7. Řešení projektu
8. Dekompozice časových řad
9. Modelování časových řad
10. Testování předpokladů modelů
11. Projekt časových řad
12. Řešení projektu
Cíle:Znalosti:
Statistický a ekonometrický software pro modelování chování ekonomických ukazatelů.

Schopnosti:
Aplikovat statistické a ekonometrické teorie při řešení reálných ekonomických problémů za pomoci výše uvedeného softwaru.
Požadavky:Kurs předpokládá znalosti matematické statistiky a základů ekonometrie.
Rozsah práce:Zápočet je udělen za úspěšné vyřešení dvou projektů (1. z oblasti aplikované ekonometrie, 2. z oblasti časových řad) - rozsah 2x 3 hodiny (+ předchozí individuální příprava), zkouška pak za složení ústní zkoušky z obou oblastí. Hodnocení dle klasifikace ECTS.
Kličová slova:Ekonometrická analýza, časové řady, modely, aplikace, odhady.
Literatura:Povinná literatura:
[1] Artl, J.: Moderní metody modelování ekonomických časových řad, Grada, Praha, 1999.
[2] Cipra, T.: Analýza časových řad s aplikacemi v ekonomii, SNTL/Alfa, Praha, 1986.

Doporučená literatura:
[3] Hušek, R.: Ekonometrická analýza, EKOPRESS, Praha, 1999.

Softwarové inženýrství18SWI Merunka 2+2 kz - - 4 -
Předmět:Softwarové inženýrství18SWIdoc. Ing. Merunka Vojtěch Ph.D.2+2 KZ-4-
Anotace:Předmět vysvětluje nezbytné techniky softwarového inženýrství tvorby složitých softwarových aplikací s použitím objektové technologie. Vývojový proces softwaru je vysvětlován jako spojení tvorby systému, zajištění požadavků na kvalitu a projektový management s pomocí různých technik. Navíc je také vykládán programovací jazyk Smalltalk, jehož prostředí slouží jako demonstrační pomůcka pro přednášené nástroje a techniky.
Osnova:1. ICT management a jeho vztah k informační a business strategii podniku.
2. Životní cyklus ICT projektu z pohledu manažera.
3. Podpůrné procesy nezbytné pro řízení softwarových projektů, organizace softwarové firmy.
4. Manažerská dokumentace, úkony potřebné pro zahájení projektu.
5. Vlastní softwarový projekt, softwarová konstrukce a fáze předání uživateli.
6. Uzavření projektu, systémová a organizační podpora. Měření kvality projektu.
7. Zadání softwarových projektů.
8. Přístup MDA, transformace modelů během projektování.
9. Agilní přístup k modelování a implementaci informačních systémů.
10. Techniky získávání znalostí ze zadání, vedení interview při sestavování a validaci procesního modelu.
11. Otázka kvality a vyspělosti ICT procesů. Přístup CMM a ITIL.
12. Úloha CASE nástrojů při konzultační a analytické práci. Základy metamodelování a úvod do ontologií.
Osnova cvičení:1.-6. Prezentace přednášené látky.
7. Zadání semestrálních projektů.
8.-10. Úvod do prostředí jazyka Smalltalk.
11.-12. Obhajoby semestrálních projektů.
Cíle:Znalosti:
Student bude znát teoretický základ technik tvorby softwaru z pohledu procesů ICT a jejich řízení.

Schopnosti:
Student bude schopen aplikovat uvedené metody a techniky v ekonomii i jiných oblastech.
Požadavky:Algoritmizace, databáze, schopnost programovat v nějakém objektovém programovacím jazyku.
Rozsah práce:Semestrální projekt je zpracováván individuálně a je obhajován v diskuzi před skupinou studentů. Předchází komunikace v LMS Moodle a podcasting vybraných přednášek.
Kličová slova:Softwarové inženýrství, COCOMO, CMM, objektová tvorba softwaru, Smalltalk.
Literatura:Povinná literatura:
[1] Merunka V.: Datové modelování, Alfa Publishing, Praha, 2007, ISBN 80-86851-54-0.
[2] Merunka Vojtěch, Pergl Robert, Pícka Marek: Objektově orientovaný přístup v projektování informačních systémů, ČZU Praha, 2005, ISBN 80-213-1352-8.

Doporučená literatura:
[3] Ambler S.: The Object Primer 3rd Edition, Agile Model Driven Development with UML 2, Cambridge University Press, 2004, ISBN 0-521-54018-6.
[4] Ambler, Scott W.: Process Patterns - Buiding Large-Scale Systems Using OO Technology, Cambridge University Press - Managing Object Technology Series 1998, ISBN 0-521-64568-9.
[5] Ambler, Scott W.: More Process Patterns - Delivering Large-Scale Systems Using OO Technology, Cambridge University Press - Managing Object Technology Series 1999, ISBN 0-521-65262-6.
[6] Liping Liu, Borislav Roussev et al.; Management of the Object-Oriented Development Process - Part 15: BORM Methodology, ISBN 1-59140-605-6.
[7] Wikipedia, www.uml.org, www.omg.org
[8] Software Engineering Vocabulary, http://pascal.computer.org/sev_display/index.action

Modelování v UML18MUML Merunka - - 2+2 z,zk - 4
Předmět:Modelování v UML18MUMLdoc. Ing. Merunka Vojtěch Ph.D. / doc.Ing. Merunka Vojtěch Ph.D.-2+2 Z,ZK-4
Anotace:V předmětu je vykládán unifikovaný modelovací jazyk (UML) z pohledu teoretických základů objektového programování a modelování pomocí lambda-kalkulu. V semestrálních projektech a praktických ukázkách je kladen důraz na možnost práce s instancemi objektů. Tento předmět také přináší úvod do objektové databázové technologie a dotazování nad objektovými datovými strukturami, které jsou důležitým nástrojem pro verifikaci a validaci modelovaných systémů.
Osnova:1. Úvod, historie UML, koncepce UML.
2. Modely užití systému, modely datové struktury. Třídy a kolekce. Objektová normalizace tříd. Úvod do modelovacího nástroje BoUML.
3. Princip MDA, transformace hierarchií tříd objektů.
4. Alternativní přístupy k procesnímu modelování. Projekty BPML a BORM.
5. Zadání semestrálních projektů.
6. Metody získávání informace o systému ze zadání, business inženýrství.
7. Teoretické základy modelování, lambda-kalkul, petriho sítě a teorie automatů.
8. Modelovací nástroj Craft.CASE a jazyk C.C.
9. Alternativní v praxi používané techniky, Metoda Aris, modelování pomocí EPC.
10. Validace a transformace navrženého konceptuálního schématu, instance-level modeling.
11. Návrhové vzory.
12. Možnosti implementace konceptuálního modelu do konkrétních platforem. Porovnání relačních a objektových databází.
13. Manažerský pohled na řízení softwarového projektu.
14. Prezentace semestrálních projektů.
Osnova cvičení:1.-6. Prezentace přednášené látky, procvičování lambda-kalkulu.
7. Zadání semestrálních projektů.
8.-10. Úvod do prostředí modelovacího CASE nástroje.
11.-12. Obhajoby semestrálních projektů.
Cíle:Znalosti:
Studenti budou znát prostředky a chápat formální základ v praxi používaných technik analýzy, návrhu a implementace informačních systémů pomocí standardizovaného modelovacího jazyka UML a objektově orientovaného paradigmatu (OOP), procesního modelování a dalších nástrojů a technik majících původ v počítačových vědách.

Schopnosti:
Studenti budou schopni vypracovat samostatný projekt analýzy konkrétního systému a otestovat jeho návrh pomocí simulačních nástrojů nebo naprogramováním prototypu. Studenti budou umět používat dostupné analytické nástroje CASE.
Požadavky:Algoritmizace, databáze, programování v jazyce C++ nebo Java, softwarové inženýrství.
Rozsah práce:Semestrální projekt je zpracováván individuálně a je obhajován v diskuzi před skupinou studentů. Předchází komunikace v LMS Moodle a podcasting vybraných přednášek.
Kličová slova:UML, konceptuální modelování, lambda kalkul.
Literatura:Povinná literatura:
[1] Ambler S.: The Object Primer 3rd Edition, Agile Model Driven Development with UML 2, Cambridge University Press, 2004 ISBN#: 0-521-54018-6.
[2] Ambler, Scott W.: Process Patterns - Buiding Large-Scale Systems Using OO Technology, Cambridge University Press - Managing Object Technology Series 1998, ISBN 0-521-64568-9.

Doporučená literatura:
[3] Ambler, Scott W.: More Process Patterns - Delivering Large-Scale Systems Using OO Technology, Cambridge University Press - Managing Object Technology Series 1999, ISBN 0-521-65262-6.
[4] Merunka V.: Datové modelování , Alfa Publishing, Praha 2007, ISBN 80-86851-54-0.
[5] Liping Liu, Borislav Roussev et al.: Management of the Object-Oriented Development Process - Part 15: BORM Methodology, ISBN 1-59140-605-6.
[6] Merunka Vojtěch, Pergl Robert, Pícka Marek: Objektově orientovaný přístup v projektování informačních systémů, ČZU Praha 2005, ISBN 80-213-1352-8.

Projektové řízení ekonomických systémů18REK Fiala - - 2+2 z,zk - 4
Předmět:Projektové řízení ekonomických systémů18REKprof. RNDr. Fiala Petr CSc.-2+2 Z,ZK-4
Anotace:Cílem kursu je seznámit studenty se základními technikami řízení projektů. Projekt je používán jako standardní nástroj pro dosažení požadovaných výsledků v zadaném čase v rámci daného rozpočtu a disponibilních zdrojů. Součástí kursu je také seznámení se základními možnostmi programu Microsoft Project.
Osnova:1. Úvod do řízení projektů, základní pojmy.
2. Informační a modelová podpora řízení projektů.
3. Týmová práce.
4. Řešení problémů.
5. Definiční fáze projektu.
6. Plánovací fáze projektu.
7. Realizační fáze projektu.
8. Finanční hodnocení projektu.
9. Časová analýza projektu.
10. Nákladová analýza.
11. Analýza zdrojů.
12. Řízení rizika.
13. Implementace a kontrola.
Osnova cvičení:Procvičení technik a postupů na příkladech
1. Úvod do řízení projektů, základní pojmy.
2. Informační a modelová podpora řízení projektů.
3. Týmová práce.
4. Řešení problémů.
5. Definiční fáze projektu.
6. Plánovací fáze projektu.
7. Realizační fáze projektu.
8. Finanční hodnocení projektu.
9. Časová analýza projektu.
10. Nákladová analýza.
11. Analýza zdrojů.
12. Řízení rizika.
13. Implementace a kontrola.
Cíle:Znalosti:
Studenti budou znát základy teorie řízení projektů včetně potřebných analýz.

Schopnosti:
Po úspěšném absolvování budou studenti schopni analyzovat, formulovat a řešit problémy projektového řízení. Studenti se naučí používat techniky modelování a používat MS Project, jako standardní software pro projektové řízení.
Požadavky:Absolvování kurzů matematiky a operačního výzkumu.
Rozsah práce:
Kličová slova:Projekt, čas, náklady, zdroje, riziko.
Literatura:Povinná literatura:
[1] Fiala, P.: Projektové řízení - modely, metody, analýzy, Professional Publishing, Praha, 2003.
[2] Fiala, P.: Řízení projektů, Oeconomica, Praha, 2008.

Doporučená literatura:
[3] Howes, N.R.: Modern project Management. AMACON, New York, 2001.

Pokročilé numerické metody01PNM Beneš - - 2+0 kz - 2
Předmět:Pokročilé numerické metody01PNMprof. Dr. Ing. Beneš Michal-2+0 KZ-2
Anotace:Obsahem předmětu je výklad pokročilých numerických metod pro řešení okrajových a smíšených úloh pro obyčejné a parciální diferenciální rovnice. Jedná se o metodu střelby, pokročilé partie metody sítí a o metodu konečných objemů pro nelineární eliptické, parabolické a hyperbolické parciální diferenciální rovnice.
Osnova:I. Numerické řešení obyčejných diferenciálních rovnic - okrajové úlohy
1. Metoda střelby
2 Metoda sítí a nelineární úlohy
II. Numerické řešení parciálních diferenciálních rovnic eliptického typu
1. Metoda sítí pro nelineární rovnice druhého řádu
2. Konvergence a odhad chyb
3. Metoda konečných objemů
III. Numerické řešení parciálních diferenciálních rovnic parabolického typu
1. Metoda sítí pro nelineární evoluční úlohy
2. Metoda přímek
3. Metoda konečných objemů
IV. Numerické řešení hyperbolických zákonů zachování
1. Formulace a vlastnosti hyperbolických zákonů zachování
2. Nejjednodušší diferenční metody
3. Metoda konečných objemů
Osnova cvičení:
Cíle:Znalosti:
Numerické metody pro řešení nelineárních okrajových úloh, metoda sítí pro obyčejné a parciální diferenciální rovnice, metoda konečných objemů.

Schopnosti:
Použití uvedených numerických metod na konkrétní příklady z fyzikální a inženýrské praxe včetně implementace na výpočetní technice a stanovení chyby aproximace.
Požadavky:Základní kurzy matematické analýzy, lineární algebry a numerické matematiky (dle přednášek na FJFI ČVUT v Praze 01MA1, 01MAB2-4, 01LA1, 01LAB2, 12NME1).
Rozsah práce:Individuální práce studentů zahrnuje implementaci a vyzkoušení vlastního programu pro řešení vybrané okrajové úlohy. Výsledek je ověřen u zkoušky prezentací funkčnosti programu.
Kličová slova:Okrajové a smíšené úlohy pro diferenciální rovnice, metoda střelby, metoda konečných diferencí, diferenční schéma, metoda energetických nerovností pro vyšetřování vlastností numerických schémat, explicitní a implicitní metody, zákony zachování, metoda konečných objemů.
Literatura:Povinná literatura:
[1] A.A. Samarskij, Teoria raznostnych schem, Moskva, Nauka 1983
[2] A.A. Samarskij a J.S. Nikolajev, Numerické řešení velkých řídkých soustav, Praha, Academia 1985
[3] R.J. LeVeque, Finite Difference Methods for Ordinary and Partial Differential Equations, Steady State and Time Dependent Problems, SIAM, 2007
[4] R.J. LeVeque, Finite Volume Methods for Hyperbolic Problems, Cambridge University Press, 2002

Doporučená literatura:
[5] E. Godlewski a P.-A. Raviart, Numerical approximation of hyperbolic systems of conversation laws, New York, Springer 1996
[6] E.Vitásek, Numerické metody, SNTL, Praha 1987

Studijní pomůcky:
Počítačová učebna Windows/Linux s programovacími jazyky C, Pascal, Fortran.

Fulltextové systémy18FULS Liška - - 2+2 kz - 4
Předmět:Fulltextové systémy18FULSIng. Liška Tomáš Ph.D.-2+2 KZ-4
Anotace:Předmět se zabývá problematikou vyhledávání v nestrukturovaných datech, dále metodami komprese nad velkými objemy dat.
Osnova:Předmět Fulltextové systémy se zabývá problematikou počítačového zpracování volných textů, kde textem rozumíme posloupnost po sobě jdoucích symbolů z nějaké abecedy. Zabýváme se problematikou vyhledávání v textech. Kromě elementárního algoritmu projdeme algoritmy pro sousměrné i protisměrné vyhledávání, tedy algoritmy charakteristické předzpracováním vzorku. Ukážeme si také principy vyhledávání založené na předzpracování textu dokumentu, konkrétně indexové a signaturové metody. Druhou oblastí je komprese dat, principy kódování. Zabývat se budeme nejen Huffmanovým stromem či Shannon-Fanovo kódováním. Třetím blokem je problematika kontroly správnosti textu, kde si ukážeme řešení pomocí slovníků.
Osnova cvičení:1. Úvod do textových informačních systémů, základní triviální algoritmus vyhledávání
2. Vyhledávací metody s použitím vzorku: KMP, AC,
3. Vyhledávací metody s použitím vzorku: BM, CW, konečný automat
4. Indexové metody vyhledávání
5. Využití metod signatur
6. Metody komprese dat, metody kódování dat: binární kódování, Fibonacciho kódování
7. Metody komprese dat, metody kódování dat: Eliasův kód, další metody pro kódování dat
8. Metody založené na k-arním stromu: kódování Shannon-Fano, kódování dle práce pana Huffmana
9. Metody založené na k-arním stromu: adaptivní dynamické Huffmanovo kódování
10. Metody komprese dat založené na užití adaptabilního slovníku: práce Lempel-Ziv-Welsch - skupina algoritmů LZ77, LZ78, LZW a jejich modifikace a rozšíření - principy
11. Metody komprese dat založené na užití adaptabilního slovníku: LZ77, LZ78, LZW aplikace metod a jejich modifikací
12. Principy získávání dat a jejich správa rozsáhlých indexech vhodných pro vyhledávání
13. Principy distribuovaného počítání pro správu a užití rozsáhlých indexů informací pro vyhledávání a vytěžování
Cíle:Znalosti:
Studenti získají komplexní vhled do problematiky zpracování, správy a vytěžování velkých objemů nestrukturovaných dat.

Schopnosti:
Studenti budou umět využívat znalosti z teorie grafů - zejména pokud jde o stromy. Budou umět využít principy kódování dat.
Požadavky:
Rozsah práce:
Kličová slova:Fulltextové systémy, vyhledávací metody, metody komprese dat.
Literatura:Povinná literatura:
[1] Melichar, B.: Textové informační systémy, Vydavatelství ČVUT, Praha, 1994.

Doporučená literatura:
[2] Kopecký, M., Pokorný, J., Snášel, V.: Dokumentografické informační systémy, Karolinum, 2005.

Výzkumný úkol 1, 218VUSE12 Kukal 0+6 z 0+8 kz 6 8
Předmět:Výzkumný úkol 118VUSE1Ing. Jarý Vladimír Ph.D.0+6 Z-6-
Anotace:Student na základě zadání práce a pod vedením školitele zpracovává individuálně zadané téma po dobu 2 semestrů.
Osnova:Student na základě zadání práce a pod vedením školitele zpracovává individuálně zadané téma po dobu 2 semestrů.
Osnova cvičení:
Cíle:Znalosti:
Individuální tématika podle zadání práce.

Schopnosti:
Samostatná práce na zadaném úkolu, orientace v
dané problematice, sestavení vlastního odborného textu.
Požadavky:
Rozsah práce:Předmět je dán samostatnou činností studenta na zadaném tématu. Práce jsou průběžně kontrolovány školitelem a příslušnou katedrou.
Kličová slova:
Literatura:Literatura a další pomůcky jsou dány zadáním práce.

Předmět:Výzkumný úkol 218VUSE2doc. Ing. Virius Miroslav CSc.-0+8 KZ-8
Anotace:Student na základě zadání práce a pod vedením školitele zpracovává individuálně zadané téma po dobu 2 semestrů.
Osnova:Student na základě zadání práce a pod vedením školitele zpracovává individuálně zadané téma po dobu 2 semestrů.
Osnova cvičení:
Cíle:Znalosti:
Individuální tématika podle zadání práce.

Schopnosti:
Samostatná práce na zadaném úkolu, orientace v dané problematice, sestavení vlastního odborného textu.
Požadavky:
Rozsah práce:Předmět je dán samostatnou činností studenta na zadaném tématu. Práce jsou průběžně kontrolovány školitelem a příslušnou katedrou.
Kličová slova:
Literatura:Literatura a další pomůcky jsou dány zadáním práce.

Volitelné předměty

Pokročilé C++18PCP Virius - - 2+2 z,zk - 4
Předmět:Pokročílé programování v C++18PCPdoc. Ing. Virius Miroslav CSc.----
Anotace:Předmět se zabývá problematikou virtuálního dědění, variadických šablon, šablonového metaprogramování, tvorby šablonových knihoven, nástroji pro práci s datovými typy v době překladu a pokročilou diagnostikou šablonových konstrukcí, využitím podprocesů (paralelizace výpočtu), práce s národním prostředím (lokalizace a internacionalizace programu), nástroji pro pokročilé matematické a technické výpočty a nástroji pro práci se souborovým systémem.
Osnova:1. Virtuální dědění
a. Syntaktická pravidla, význam
b. Struktura instance
c. Příklad
2. Šablonové metaprogramování
a. Výpočetní úplnost aparátu šablon
b. Zobrazení typu na typ, hodnoty na typ
c. Rozhodování, náhrada cyklu
d. Využití, příklady
3. Variadické šablony (šablony s proměnným počtem parametrů) I.
a. Syntaktická pravidla, balík parametrů
b. Pravidla rozvoje balíku
c. Příklady
4. Variadické šablony II.
a. Využití šablonového metaprogramování pro variadické šablony
b. Nástroje pro diagnostiku
c. Příklady
5. Práce s datovými typu v době překladu
a. Deklarace static_assert
b. Hlavičkový soubor type_traits
c. Nástroje pro prověření vlastností parametrů šablony
d. Nástroje pro transformaci datových typů v době překladu
e. Příklady
6. Knihovna kontejnerů a algoritmů
a. Posloupnosti
b. Asociativní kontejnery
c. Kontejnerům podobné třídy
d. Algoritmy pro zpracování kontejnerů
7. Přístup k souborovému systému, pokročilé nástroje pro vstup a výstup
a. Práce s cestou souboru
b. Manipulace se soubory
c. Rozšířené manipulátory a formátování výstupu
d. Příklady
8. Podprocesy (vlákna) I
a. Podproces a jeho stavy, třída std::thread
b. Základní operace s podprocesy
c. Synchronizace přístupu k datům
d. Příklady
9. Podoprocesy (vlákna) II
a. Model fungování paměti
b. Atomické typy
c. Asynchronní zpracování
d. Příklady
10. Práce se znakovými řetězci
a. Třída std::basic_string
b. Pohled na řetězec (třída std::basic_string_view)
c. Nástroje pro práci s regulárními výrazy
d. Regulární výrazy podle vybrané specifikace
e. Příklady
11. Lokalizace a internacionalizace
a. Třída std::locale
b. Nastavení národního prostředí
c. Práce se znaky, s datem, časem, abecední řazení
d. Příklady
12. Matematické výpočty
a. Třída std::valarray a její využití pro výpočty
b. Generátory pseudonáhodných čísel a jejich využití
c. Další nástroje
d. Příklady
13. Opakování a příklady
Osnova cvičení:1. Úvodní cvičení - organizační záležitosti, používané nástroje, opakování potřebných znalostí. Virtuální dědění.
2. Šablonové metaprogramování
a. Základní konstrukce.
b. Optimalizace vybraných algoritmů pomocí šablonového metaprogramování.

3. Variadické šablony (šablony s proměnným počtem parametrů) I.
a. Příklady použití rozvoje balíku parametrů
4. Variadické šablony II.
a. Využití šablonového metaprogramování pro variadické šablony
b. Implementace vybraných funkcí pomocí variadických šablon
c. Využití diagnostických nástrojů v šablonách
5. Práce s datovými typu v době překladu
a. Použití deklarace static_assert
b. Odvození společného typu, odvození základního typu, prověření, zda předaný typ splňuje požadavky, další operace s datovým typem předaným jako parametr šablony
6. Kontejnery a algoritmy
a. Zpracování posloupnosti pomocí algoritmů ze standardní knihovny
b. Příklady využití asociativních kontejnerů a jejich zpracování
7. Přístup k souborovému systému, pokročilé nástroje pro vstup a výstup
a. Implementace programu pro manipulaci se soubory
8. Podprocesy (vlákna) I
a. Podproces a jeho stavy, třída std::thread
b. Jednoduché programy využívající podprocesy, příklad sporu (race condition) a použití synchronizace přístupu k datům
9. Podoprocesy (vlákna) II
a. Příklady použití atomických typů a asynchronního zpracování
10. Práce se znakovými řetězci
a. Formátovací operace
b. Využití třídy std::basic_string_view
c. Práce s regulárnímu výrazy
11. Lokalizace a internacionalizace
a. Implementace filtru SORT (využití abecedního řazení, lokálně závislého formátování a dalších nástrojů)
12. Matematické výpočty
a. Implementace třídy reprezentující matici s možností práce s řádkami, sloupci a jinými ?řezy?
b. Použití pseudonáhodných čísel k jednoduchým simulacím
13. Prezentace zápočtových programů
Cíle:Studenti získají hluboké znalosti o pokročilých nástrojích v programovacím jazyce C++ a o doporučených technikách pro jejich využití. Jedná se o nástroje, které jsou součástí standardu programovacího jazyka C++, ale pokryty v základním kursu. Tyto nástroje jsou nezbytné pro vytváření pokročilých knihoven v tomto jazyce zaměřených na nejen na výkon, ale i na kvalitu návrhu a architektury.
Požadavky:Znalost programovacího jazyka C++ v rozsahu předmětu Programování v C++1, 2.
Rozsah práce:
Kličová slova:C++, variadická šablona, šablonové metaprogrampování, zpracování typu, podproces, virtuální dědění, diagnostika šablon, lokalizace, internacionalizace, matematické výpočty, souborový systém.
Literatura:1. 1. Virius, Miroslav: Programovací jazyk C++, 2. díl. Praha: ČVUT 2016. ISBN 978-80-01-06050-6.
2. M. Virius: Programovací jazyk C++, 3. díl. Praha: ČVUT 2017. ISBN 978-80-01-06089-6.

Studijní pomůcky:
? Počítač s operačním systémem, klávesnicí a myší
? Vývojové prostředí obsahující překladač jazyka C++ vyhovující standardu ISO 14882:2011 s aktualizacemi označovanými C++14 nebo novější

Programování pro .NET18NET Virius 1+1 z,zk - - 2 -
Předmět:Programování pro .NET18NETdoc. Ing. Virius Miroslav CSc.1+1 Z,ZK-2-
Anotace:Tato přednáška seznámí studenty s principy platformy .NET a s vytvářením běžných druhů aplikací pro tuto platformu. Přitom využívá programovacího jazyka C#.
Osnova:1. Co je platforma .NET; verze 1.0 až 4.0: Základní pojmy struktura platformy .NET, sestavení, metadata.
2. Sestavení a práce s ním: soukromé a sdílené sestavení, politika verzí, vytvoření soukromého a sdíleného sestavení, konfigurační soubor.
3. Neznámé sestavení a práce s ním (reflexe).
4. Interoperabilita s kódem pro Win32.
5. Práce s prostředky, lokalizace a internacionalizace.
6. Základy jazyka C#.
7. Knihovna kontejnerů a generických kontejnerů, enumerátory a iterátory.
8. Nástroje pro vstup a výstup v knihovnách prostředí .NET.
9. Použití značkovacího jazyka XML.
10. Práce se znakovými řetězci, regulární výrazy.
11. Grafické uživatelské rozhraní, knihovna WPF.
12. Vizuální a nevizuální komponenty.
13. Databázové aplikace v prostředí .NET.
14. Programování dynamických webových stránek (základy ASP.NET).
Osnova cvičení:Osnova cvičení se shoduje s osnovou přednášky.
Cíle:Znalosti:
Struktura platformy .NET, vybrané technologie používané na této platformě, programovací jazyk C#.

Schopnosti:
Navrhnout a implementovat softwarové řešení zadaného problému na platformě .NET.
Požadavky:Znalost programování v jazyce C++ včetně objektově orientovaného programování, jmenných prostorů, výjimek a přetěžování operátorů podle kursů Programování v C++ 1 a Programování v C++ 2.
Rozsah práce:Individuální práce studenta obsahuje implementaci a vyzkoušení vlastního programu využívajícího některou z probíraných technologií. Ověření vychází z prezentace tohoto programu u zkoušky.
Kličová slova:Platforma .NET, sestavení, konfigurační soubor, reflexe, interoperabilita, prostředky, jazyk C#, kolekce, enumerátor, jazyk XML, regulární výraz, GUI, WPF, databáze, ADO.NET, ASP.NET.
Literatura:Povinná literatura:
[1] Virius, M. C# -- hotová řešení. Brno, Computer Press, 2006.

Doporučená literatura:
[2] Nagel, C. a kol. C# 2008 - programujeme profesionálně. Brno, Computer Press, 2006.

Pokročilé partie numerické lineární algebry01PNLA Mikyška 2+0 zk - - 3 -
Předmět:Pokročilé partie numerické lineární algebry01PNLAdoc. Ing. Mikyška Jiří Ph.D.2+0 ZK-3-
Anotace:Reprezentace reálných čísel v počítači, chování zaokrouhlovacích chyb při aritmetických operacích, citlivost úlohy, numerická stabilita algoritmu. Bude analyzována citlivost vlastních čísel matic a citlivost řešení soustav lineárních algebraických rovnic. Následovat bude zpětná analýza těchto úloh. Ve druhé části přednášky budou probrány metody QR rozkladu matic, metoda nejmenších čtverců, některé moderní krylovovské metody pro řešení soustav rovnic a Lanczosova metoda pro aproximaci vlastních čísel symetrické matice.
Osnova:1. Úvod, základní pojmy, reprezentace čísel v počítači
2. Standardní aritmetika IEEE, vliv zaokrouhlovacích chyb při výpočtech v aritmetice s konečnou přesností, přímá a zpětná analýza algoritmu
3. Podobnostní transformace, Schurova věta, měření vzdáleností spekter matic
4. Věta o citlivosti spekter obecných matic
5. Citlivost vlastních čísel diagonálních a normálních matic, zpětná analýza problému vlastních čísel
6. Citlivost řešení soustav lineárních algebraických rovnic, zpětná analýza řešení soustav lineárních algebraických rovnic
7. QR-rozklady matic a ortogonální transformace
8. Householderova transformace
9. Gramm-Schmidtův ortogonalizační proces, metoda nejmenších čtverců
10. Metody Krylovových podprostorů - úvod, Arnoldiho algoritmus, metoda zobecněných minimálních reziduí pro řešení soustav rovnic
11. Lanczosův algoritmus, aproximace vlastních čísel symetrické matice
12. Přehled metod Krylovových podprostorů pro řešení soustav rovnic
13. Předpodmiňování iteračních metod, příklady jednoduchých předpodmínění
Osnova cvičení:
Cíle:Znalosti:
Aritmetika s pohyblivou řádovou čárkou, vznik a šíření zaokrouhlovacích chyb v aritmetice s konečnou přesností, použití zpětné analýzy chyb k odhadu přesnosti aproximace. Citlivost a zpětná analýza spekter matic a řešení soustav lineárních algebraických rovnic, metody QR rozkladu, Arnoldiho algoritmus, základní krylovovské metody pro řešení soustav rovnic (GMRES, CG, MinRes, BiCG, QMR) a Lanczosova metoda pro aproximaci vlastních čísel symetrické matice.

Schopnosti:
Zvolit vhodnou metodu pro řešení soustavy lineárních algebraických rovnic nebo výpočet spektra dané matice a odhadnout chybu získané aproximace.
Požadavky:Základní kurzy matematické analýzy, lineární algebry a numerické matematiky (dle přednášek na FJFI ČVUT v Praze 01MA1, 01MAA2-4, 01LA1, 01LAA2, 01NM)
Rozsah práce:
Kličová slova:Aritmetika s pohyblivou řádovou čárkou, zaokrouhlovací chyby, citlivost, numerická stabilita, zpětná analýza, QR rozklady a ortogonální transformace, problém nejmenších čtverců, metody Krylovových podprostorů.
Literatura:Povinná literatura:
[1] Drkošová, Strakoš: Úvod do teorie citlivosti a stability v numerické lineární algebře, skripta ČVUT Praha, 1997.

Doporučená literatura:
[2] D. S. Watkins: Fundamentals of Matrix Computations, J. Willey, New York, 1991
[3] B. N. Parlett: Symmetric Eigenvalue Problem, Prentice Hall, Engl. Cliffs, 1988
[4] G. H. Golub, C. F. van Loan: Matrix Computations, John Hopkins, 1997.

Aplikace MATLABu18AMTL Kukal - - 2+2 kz - 4
Předmět:Aplikace MATLABu18AMTLdoc. Ing. Kukal Jaromír Ph.D.-2+2 KZ-4
Anotace:Systematické využití optimalizačního toolboxu Matlabu pro řešení úloh lineárního, kvadratického, binárního, celočíselného a nelineárního programování. Simulace chaotických systémů a generování fraktálních množin. Analýza trajektorií, atraktorů a fraktálních množin včetně odhadu jejich vlastností.
Osnova:1. Lineární programování a související úlohy v Matlabu
2. Kvadratické programování a související úlohy v Matlabu
3. Binární a celočíselné programování a související úlohy v Matlabu
4. Nelineární programování v Matlabu
5. Penalizační techniky a nelineární optimalizace
6. Nelineární regrese a robustní identifikace jako optimalizační úlohy
7. Diskrétní a spojité dynamické systémy, přístupy k simulaci a problémy s ní
8. Chaotické a turbulentní systémy v 1D
9. Trajektorie a atraktor
10. Odhad Lyapunovova exponentu a výkonové spektrum chaotické trajektorie
11. Deterministický fraktál a podobnostní dimenze
12. Fraktál jako výsledek stochastického modelování
13. Atraktor jako fraktální množina
14. Odhad kapacitní, informační a korelační dimenze
Osnova cvičení:1. Lineární programování a související úlohy v Matlabu
2. Kvadratické programování a související úlohy v Matlabu
3. Binární a celočíselné programování a související úlohy v Matlabu
4. Nelineární programování v Matlabu
5. Penalizační techniky a nelineární optimalizace
6. Nelineární regrese a robustní identifikace jako optimalizační úlohy
7. Diskrétní a spojité dynamické systémy, přístupy k simulaci a problémy s ní
8. Chaotické a turbulentní systémy v 1D
9. Trajektorie a atraktor
10. Odhad Lyapunovova exponentu a výkonové spektrum chaotické trajektorie
11. Deterministický fraktál a podobnostní dimenze
12. Fraktál jako výsledek stochastického modelování
13. Atraktor jako fraktální množina
14. Odhad kapacitní, informační a korelační dimenze
Cíle:Znalosti:
Motivovat studenty k řešení vybraných numerických problémů v prostředí Matlab. Matlab je chápán pouze jako nástroj k efektivnímu řešení daných úloh.

Schopnosti:
Orientace v dané problematice a schopnost řešení reálných úloh v Matlabu.
Požadavky:Absolvování 18MTL.
Rozsah práce:Vypracování pěti úloh v Matlabu a odevzdání protokolu v PDF (smysluplné zadání, matematická formulace, ukázka kódu v Matlabu, numerické výsledky, diskuse):
1. Aplikace funkce linprog, quadprog nebo bintprog
2. Aplikace funkce fmincon
3. Simulace spojitého nebo diskrétního chaotického systému (trajektorie + atraktor + frekvenční spektrum) s diskusí zániku chaosu při jiném nastavení parametrů
4. Rastrová nebo vektorová realizace fraktální množiny
5. Odhad Lyapunovova exponentu v práci 3 nebo dimenze v práci 4
Kličová slova:Matlab, optimalizace, dynamické systémy, chaos, fraktální množiny, analýza, odhad parametrů.
Literatura:Povinná literatura:
[1] Sierkisma G.: Linear and Integer Programming, Marcel Dekker, 2002.
[2] Dostal Z.: Optimal Quadratic Programming Algorithms, Springer, 2009.

Doporučená literatura:
[3] Moler C.: Numerical Computing with Matlab, SIAM, 2004.
[4] Baker G.L., Golub J.P.: Chaotic Dynamics, Cambridge University Press, 1998.

Dekompozice databázových systémů18DATS Kukal - - 2+2 kz - 4
Předmět:Dekompozice databazových systémů18DATSdoc. Ing. Kukal Jaromír Ph.D.-2+2 KZ-4
Anotace:Přednášky jsou orientovány na základní pojmy, databázové objekty, jejich vlastnosti a vzájemné vztahy společně s důrazem na logiku dekompozice a využití databázových operací.
Osnova:1. Smysl a výhody analýzy a dekompozice.
2. Tabulka, normální formy tabulek, entita.
3. Primární a unikátní klíč, indexový soubor a rychlý přístup k datům.
4. Argumenty proti dekompozici a pragmatický přístup.
5. Relace 1:n, 1:1, m:n, integritní omezení: DI, EI, RI.
6. Číselník, spojovací entita, hierarchie entit.
7. Vícenásobné a rekurentní relace.
8. Databázový systém, ER a ERA model.
9. Databázové operace, Coddův model a jeho aktuální modifikace.
10. Role výrazů v databázových systémech.
11. Role nedefinovaných a implicitních hodnot.
12. Role pohledů a procedur.
13. Události a spouštěče.
14. Zahnízděný dotaz nebo spojování datových zdrojů.
Osnova cvičení:Případové studie dekompozice:
1. Diagnostika a následná dekompozice nestandardních tabulek.
2. Tabulky v 5NF a ERA model.
3. Databáze receptů a rekurzivní recepty.
4. Vícejazyčný slovník a informační systém.
5. Výrobní a prodejní sklad.
6. Principy účetnictví a účetní kniha.
7. Archivace a zpracování experimentálních a průmyslových dat.
8. Struktury grafů, operace a úlohy na grafech.
9. Stromové struktury a organizační schemata.
10. Sémantická síť jako databáze.
11. Datové krychle, hvězdy a vločky.
12. Expertní systémy a logické operátory.
13. Parametrické dotazy pomocí pohledů.
14. Parametrické dotazy pomocí procedur.
Cíle:Znalosti:
Úvod do databázového myšlení prostřednictvím databázové dekompozice a operací nad databázovými objekty. Od základních pojmů se dostaneme k ERA modelu a Coddovým operacím při respektování složitosti reálných aplikací.

Schopnosti:
Orientace v dané problematice a schopnost řešení reálných úloh.
Požadavky:Nejsou nutné žádné předchozí znalosti databázových systémů.
Rozsah práce:Vypracování protokolu v PDF obsahujícího zadání úlohy vedoucí na minimálně pět tabulek, ERA model, seznam všech pohledů a seznam všech procedur potřebných pro realizaci. Protokol není vytvořen s využitím jazyka SQL či PL/SQL. Známka určena na základě ústní prezentace protokolu a znalostí metodiky dekompozice.
Kličová slova:Databáze, dekompozice, datové modelování, relační model, analýza.
Literatura:Povinná literatura:
[1] Pokorný J., Halaška I.: Databázové systémy, Vydavatelství ČVUT, Praha, 2003.
[2] Connolly T., Begg C.: Database Systems, Addison Wesley, 2005.

Doporučená literatura:
[3] Garcia-Molina H., Ullman J.: Database Systems, Prentice Hall, 2008.

Řešení fyzikálních problémů18RFP Novotný - - 1+2 kz - 3
Předmět:Řešení fyzikálních problémů18RFPprof. Ing. Novotný Radimír DrSc.-1+2 KZ-3
Anotace:Předmět "Řešení fyzikálních problémů" se zaměřuje na komplexnější úlohy, jejichž řešitelnost vyplývá z přijatelných zjednodušení (simplifikace matematické, geometrické, materiálové či jiné fyzikální povahy). Tak získáme úlohy vhodné pro následné počítačové zpracování analytickými nebo numerickými metodami. I když je preferováno analytické řešení úloh, je zřejmá i jeho bezprostřední a nutná návaznost na metody a nástroje softwarového inženýrství. Předmět má za cíl osvojení metodiky vzájemných transformací úloh tak, aby modifikací neřešitelné úlohy vznikly řešitelné úlohy poskytující řešení s přijatelnou přesností s využitím jak analytických, tak numerických metod.
Osnova:1. Klasifikace a východisko obec. řešení fyz. problémů, jejich simplifikace.
2. Kinematická a fyz. definice stlačitelnosti kapalin, hustotový a objemový model kompresibility.
3. Pórový a proudový tlak ve dvou a třífázovém diskrétním prostředí.
4. Stabilita v diskrétním prostředí.
5. Diferenciální rovnice elast. proudů, varianty.
6. Diferenciální rovnice pro hladký plášť kruhových, válcových potrubí.
7. Diferenciální rovnice pro frapovaný plášť kruhových, válcových potrubí.
8. Pružná interakce "Plášť potrubí versus vnější kontinuum".
9. Elastické pístové systémy.
10. Komplexní diferenciální rovnice konfinovaného trubního systému. Její diskuze.
11. Vnitřní síly v plášti systému a tlaková funkce.
12. Tenzory a kvadriky napjatosti a přetvoření.
13. Obecný integrál a okrajové podmínky problému.
14. Konkrétně zadaná úloha, její naprogramování a numerické řešení.
Osnova cvičení:Osnova cvičení je schodná s osnovou přednášky.
Cíle:Znalosti:
Postupy transformace úloh z různých oblastí technických věd na matematicky řešitelné problémy.

Schopnosti:
Studenti jsou vedeni k uplatnění svých poznatků z matematické analýzy a lineární algebry do některých disciplín fyziky kontinua pevné a kapalné fáze i do fyziky diskrétních prostředí.
Požadavky:
Rozsah práce:
Kličová slova:Fyzikálně a technicky definované křivky a plochy, fyzikální linearita a nelinearita v materiálech pevného a kapalného skupenství, teorie spojitých polí a disperzních soustav.
Literatura:Povinná literatura:
[1] Novotný, R., Pech,P.: Teorie polí v mechanice spojitých prostředí, Praha, nakladatelství ČZU, 2008, ISBN 978-80-213-1763-5.
[2] Novotný, R.: Kruhové válcové skořepiny a přímá kruhová potrubí za netradičních okolností, Praha, nakladatelství CopyCentrum PowerPrint, 2005, ISBN 80-213-1344-7.
[3] Brdička, M., Samek, L., Sopko, R.: Mechanika kontinua, Praha, Academia ČMT, 2000, ISBN 80-200-0772-5.

Doporučená literatura:
[4] Rektorys, K.: Variační metody v inženýrských problémech a v problémech matematické fyziky, Praha, Academia, 1999.
[5] Kvasnica, J.: Matematický aparát fyziky, Praha, Academia, 1997.
[6] Madelung, E.: Príručka matematiky pre fyzikov, Bratislava, ALFA, 1975.
[7] Kneschke, A.: Používanie diferenciálnych rovnic v praxi, Bratislava, ALFA, 1969.
[8] Kučera, J., Horák, Z.: Tenzory v elektrotechnice a ve fyzice, Praha, nakladatelství ČSAV, 1963.

Paralelní algoritmy a architektury01PAA Oberhuber - - 3 kz - 4
Předmět:Paralelní algoritmy a architektury01PAAIng. Oberhuber Tomáš Ph.D.-3 KZ-4
Anotace:Předmět se zabývá paralelním zpracováním dat. To je nezbytné v situacích, kdy jedna výpočetní jednotka (CPU) nemá dostatečný výkon pro zpracování úlohy v požadovaném čase. Pro vývoj paralelních algoritmů je, na rozdíl od sekvenčních, nutná velice dobrá znalost dané paralelní architektury. Jejich studium je součástí přednášky.
Osnova:1. Úvod
2. Sekvenční a paralelní architektury
3. Komunikační sítě a komunikační operace
4. Úvod do CUDA, OpenMP a MPI
5. Analýza paralelních algoritmů
6. Algoritmy pro třídění
7. Maticové algoritmy
8. Grafové algoritmy
9. Kombinatorické prohledávání
10. Rychlá Fourierova transformace
11. Numerické algoritmy
12. Monte-Carlo metody
Osnova cvičení:1. Programování v CUDA
2. OpenMP / MPI
3. Algoritmy pro třidení
4. Maticové algoritmy
5. Grafové algoritmy
6. Kombinatorické prohledávání
7. Rychlá Fourierova transformace
8. Numerické algoritmy
9. Monte-Carlo metody
Cíle:Znalosti:
Paralelní architektury, základní typy paralelních architektur, komunikace v paralelních architekturách, programovací standardy OpenMP, MPI nebo CUDA/OpenCL, algoritmy pro třídění, maticové algoritmy, grafové algoritmy, Monte-Carlo metody, kombinatorické prohledávání, analýza paralelních algoritmů.

Schopnosti:
Studenti se naučí zvolit vhodnou paralelní architekturu pro řešenou úlohu, navrhnout vhodný paralelní algoritmus, analyzovat ho a odvodit jeho efektivitu a nakonec tento algoritmus implementovat.
Požadavky:Znalost základů algoritmizace, programování v C/C++.
Rozsah práce:Každý student musí samostatně implementovat některý paralelní algoritmus buď z navržených témat nebo podle vlastního výběru. Kontrola je provedena v rámci zkoušky.
Kličová slova:Paralelní algoritmy, paralelní architektury, architektury se sdílenou pamětí, architektury s distribuovanou pamětí, komunikační sítě, komunikační operace, IntelCC, OpenMP, MPI, GPGPU, třídění, matice, grafy, numerické výpočty, grafové algoritmy, Monte-Carlo metody, kombinatorické prohledávání.
Literatura:Povinná literatura:
[1] Grama A., Karypis G., An Introduction to Parallel Computing: Design and Analysis of Algorithms

Doporučená literatura:
[2] CUDA Programming guide

Studijní pomůcky:
Počítačová učebna

Jazyky, automaty a vyčíslitelnost01JAVY Ambrož, Pelantová - - 3+1 z,zk - 5
Předmět:Jazyky, automaty a vyčíslitelnost01JAVYIng. Ambrož Petr Ph.D.----
Anotace:Klíčová slova:
Jazyk, gramatika, automat, algoritmus
Osnova:Konečné automaty a regulární jazyky, bezkontextové jazyky a zásobníkové automaty, jazyky typu 0 a Turingovy stroje. Algoritmy a algoritmicky vyčíslitelné funkce. Rekurzívní funkce, rekurzívní a rekurzívně spočetné množiny. Algoritmicky neřešitelné problémy.
Osnova cvičení:
Cíle:Znalosti:
Klasické výsledky teorie formálních jazyků, generativních gramatik a rozeznávacích automatů. Teorie rekurze jakožto matematické precizace intuitivního pojmu algoritmu a používané finitní a konstruktivní metody.

Schopnosti:
Orientace se ve světě finitních popisů formálních jazyků, funkcí a množin a jejich využití v praxi.
Požadavky:
Rozsah práce:
Kličová slova:
Literatura:Povinná literatura:
[1] J. Mareš: Jazyky, gramatiky a automaty. Vydavatelství ČVUT, Praha 2004.
[2] J. Mareš: Teorie vyčíslitelnosti. Vydavatelství ČVUT, Praha 2008.

Doporučená literatura:
[1] J. Sakarovitch: Elements of Automata Theory, Cambridge University Press 2009.
[2] J.E. Hopcroft, J.D. Ullman: Introduction to Automata Theory, Languages, and Computation (1st ed.). Addison-Wesley 1979.
[3] J.E. Hopcroft, R. Motwani, J.D. Ullman: Introduction to Automata Theory, Languages, and Computation (3rd ed.). Pearson 2013.

Bussiness Intelligence18BI Kukal 1+1 kz - - 2 -
Předmět:Business Intelligence18BIIng. Mojzeš Matej1+1 KZ-2-
Anotace:Cílem předmětu je seznámit studenty s rozdílnou charakteristikou produkčních a analytických databází a dále sadou procesů, know-how a nástrojů (nejen) na podporu řídicích aktivit
v organizaci. Kromně základní koncepce BI se posluchači seznámí s obecnou metodikou implementace vlastních algoritmů vycházejících z jiných předmětů a teorií do prostředí BI.
Osnova:1. Principy Business Intelligence (BI)
2. Produkční zdrojové datábaze vs. analytické databáze
3. Extrakce, transformace a uložení dat (ETL proces)
4. Datový sklad (Data Warehouse): architektura, fakty a dimenze, granularita
5. Datové tržiště (Data Mart)
6. Reporting
7. Datové kostky, OLAP
8. Dolování dat (Data Mining)
9. Implementace pokročilých matematických metod a algoritmů v prostředí BI
10. Specializované nástroje BI
11. Řízení znalostí (Knowledge Management)
12. Metadata
13. Zajišťování kvality dat (Data Quality Assurance)
Osnova cvičení:1. Nasazení Microsoft SQL Server (MSSQL), administrátorské a vývojářské nástroje
2. MSSQL: modelování databází
3. MSSQL: integrační služby 1
4. MSSQL: integrační služby 2
5. MSSQL: reportovací služby
6. MSSQL: analytické služby 1
7. MSSQL: analytické služby 2
8. MSSQL: dolování dat 1
9. MSSQL: dolování dat 2
10. Případové studie 1
11. Případové studie 2
12. Případové studie 3
13. Prezentace studentských prací
Cíle:Znalosti: Pochopení rozdílné charakteristiky produkčních a analytických databází a dále sady procesů, know-how a nástrojů zejména na podporu analytických a řídicích aktivit v organizaci. Kromě základní koncepce BI se posluchači seznámí s obecnou metodikou implementace vlastních algoritmů vycházejících z jiných předmětů a teorií do prostředí BI.

Schopnosti: Rozhled potřebný jak pro celkové nasazení systému tak i pro implementaci specifických algoritmů a komponent v rámci BI.
Požadavky:Předmět navazuje a rozšiřuje znalosti z předmětů 18DATS, 18SQL, 01REDA a předpokládá znalosti stastických metod.
Rozsah práce:Studenti budou během semestru řešit práce, jejichž téma bude individuálně navrženo tak, aby navazovalo na jejich dříve řešené úkoly (semestrální práce, BP, DP) a typicky bude spočívat v implementaci vlastní komponenty BI systému.
Hodnocení bude uděleno po prezentaci (obhájení) a odevzdání řešení s dokumentací.
Kličová slova:Business Intelligence, analytická databáze, datový sklad, dolování dat, systém pro podporu rozhodování
Literatura:Povinná literatura:
[1] KIMBALL, Ralph. The data warehouse lifecycle toolkit. 2nd ed. Indianapolis, IN: Wiley Pub., c2008, 636 s. ISBN
04-701-4977-9.
[2] VERCELLIS, Carlo. Business intelligence: data mining and optimization for decision making. Chichester, U.K.:
Wiley, 2009, 417 s. ISBN 04-705-1139-7.

Doporučená literatura:
[1] LANGIT, Lynn. Smart business intelligence solutions with Microsoft SQL Server 2008. Redmond, Wash.: Microsoft,
c2009, 765 s. ISBN 07-356-2580-8.

Úvod do pokročilých algoritmů 118UIA1 Jarý 1+1 z - - 2 -
Předmět:Úvod do pokročilých algoritmů 118UIA1Ing. Jarý Vladimír Ph.D.1+1 Z-2-
Anotace:Předmět se zabývá vybranými algoritmy umělé inteligence a jejich aplikací v reálném prostředí.
Osnova:1. Opakování základních algoritmů probraných v rámci předmětu ZALG
2. Úvod do umělé inteligence a robotiky
3. Základní grafové algoritmy
4. Pokročilé grafové algoritmy
5. Heuristiky
6. Vybrané algoritmy teorie her
Osnova cvičení:1. Rekapitulace netriviálních partii jazyka C
2. Úvod do programování jednočipových počítačů
3. Základní grafové algoritmy
4. Pokročilé grafové algoritmy
5. Senzory
6. Ovládání jednoduchého robota
Cíle:Studenti se seznámí s pokročilejšími algoritmy z oblasti teorie grafů a umělé inteligence. Tyto algoritmy se naučí aplikovat při konstrukci automatických zařízení.
Požadavky:18ZALG, 18PRC1
Rozsah práce:
Kličová slova:umělá inteligence, grafové algoritmy, heuristiky, teorie her
Literatura:Povinná literatura:
[1] Vladimír Mařík, Olga Štěpánková, Jiří Lažanský: Umělá inteligence 1-5, Academia

Doporučená literatura:
[2] Zelinka Ivan: Umělá inteligence v problémech globální optimalizace BEN - technická literatura, 2002, ISBN 80-7300-069-5
[3] Plšek Bořivoj: Umělá inteligence v modelování a řízení BEN - technická literatura, 1996, ISBN 80-901984-4-9
[4] Zelinka Ivan: Umělá inteligence - hrozba nebo naděje? BEN - technická literatura, 2003, ISBN 80-7300-068-7
[5] Hammer Miloš: Metody umělé inteligence v diagnostice elektrických spojů, BEN - technická literatura, 2009, ISBN 978-80-7300-231-2
[6] M. Virius: Programování v C++

Pokročilé algoritmy 218UIA2 Jarý - - 1+1 z - 2
Předmět:Pokročilé algoritmy 218UIA2Ing. Jarý Vladimír Ph.D.-1+1 Z-2
Anotace:Předmět se zabývá vybranými algoritmy umělé inteligence a jejich aplikací v konstrukci autonomního robota.
Osnova:1. Pravděpodobnostní metody v umělé inteligenci, Bayesovy sítě
2. Strojové učení
3. Plánování
4. Lokalizace v prostoru
5. Proporciálně integračně-derivační regulátory
6. Dolování dat
Osnova cvičení:1. Bayesovy sítě
2. Zpracování dat z jednoduchých senzorů
3. Orientace v prostoru
4. Sledování čáry
5. Aplikace PID regulátorů
6. Dolování dat
Cíle:Studenti se seznámí s pokročilejšími algoritmy z oblasti umělé inteligence a zpracování dat. Tyto algoritmy se naučí aplikovat při konstrukci autonomního robota.
Požadavky:18ZALG, 18PRC1, 18UIA1
Rozsah práce:
Kličová slova:umělá inteligence, dolování dat, autonomní roboti, orientace v prostoru, sledování čáry
Literatura:Povinná literatura:
[1] Vladimír Mařík, Olga Štěpánková, Jiří Lažanský: Umělá inteligence 1-5, Academia

Doporučená literatura:
[2] Zelinka Ivan: Umělá inteligence v problémech globální optimalizace BEN - technická literatura, 2002, ISBN 80-7300-069-5
[3] Plšek Bořivoj: Umělá inteligence v modelování a řízení BEN - technická literatura, 1996, ISBN 80-901984-4-9
[4] Zelinka Ivan: Umělá inteligence - hrozba nebo naděje? BEN - technická literatura, 2003, ISBN 80-7300-068-7
[5] Hammer Miloš: Metody umělé inteligence v diagnostice elektrických spojů, BEN - technická literatura, 2009, ISBN 978-80-7300-231-2
[6] M. Virius: Programování v C++

Úvod do mainframe01UMF Oberhuber 2 z - - 2 -
Předmět:Úvod do mainframe01UMFIng. Oberhuber Tomáš Ph.D.2 Z-2-
Anotace:Obsahem předmětu je architektura mainframů, bývalých sálových počítačů. Vyučují se základy práce s operačním systémem z/OS, spouštění úloh pomocí JCL a odlišnosti při programování v jazyce C/C++.
Osnova:1. Úvod do mainframe.
2. Správa paměti v z/OS.
3. Soubory v z/OS.
4. ISPF -uživatelské rozhraní.
5. JES - systém pro spouštění úloh.
6.-10. JCL - skriptovací jazyk.
11. Programovani v C/C++.
12. Rexx.
Osnova cvičení:1. ISPF -uživatelské rozhraní.
2. JCL - skriptovací jazyk.
3. Programování v C/C++.
4. Programovaní v jazyce REXX.
Cíle:Znalosti:
Porozumění odlišnostem mainframů od ostatních architektur, hardware pro zSerie, operační systém z/OS, soubory, práce s ISPF, psaní JCL skriptů a programování v C/C++.

Schopnosti:
Student dokáže pracovat v prostředí ISPF, umí vytvářet a spravovat soubory, umí psát JCL skripty a překládat programy napsané v jazyce C/C++. Student chápe, jaké požadavky jsou kladeny na vysoce spolehlivé systémy.
Požadavky:Základy operačních systémů, základní znalost Unix/Windows, programování C/C++.
Rozsah práce:Studenti individuálně řeší menší úlohy v průběhu výuky. Kontrola je provedena v rámci jednotlivých cvičení.
Kličová slova:Mainframe, z/OS, z/Serie, JCL, ISPF, C/C++. Rexx.
Literatura:Povinná literatura:
[1] IBM, Introduction to the new mainframe, IBM, 2005.

Doporučená literatura:
[2] IBM, ABCs of z/OS System Programming Volume 1-3, IBM, 2004.

Studijní pomůcky:
Počítačová učebna, účet na mainframovém systému.

Programování v assembleru na mainframe01PMF Oberhuber - - 2 z - 2
Předmět:Programování pro mainframe01PMFIng. Oberhuber Tomáš Ph.D.-2 Z-2
Anotace:V tomto předmětu jsou vysvětleny základy programování pro mainframe, zejména programování v assembleru. Kromě základních instrukcí jsou probrány i makra, práce se soubory, načítání DLL knihoven apod.
Osnova:1. Úvod do assembleru
2. Struktura instrukcí
3. Datové typy
4. Vstupy a výstupy
5. Datová konverze
6. Tabulky a smyčky
7. Logické operace
8. Podprogramy
9.-10. Makra
11.-12. Dynamické moduly
Osnova cvičení:
Cíle:Znalosti:
Struktura assemblerových instrukcí, datové typy, vstupy a výstupy, datová konverze, tabulky a smyčky, logické operace, podprogramy, makra, dynamické moduly.

Schopnosti:
Student dokáže psát jednoduché programy v assembleru pro systém z/OS. Měl by být také schopný mnohem snáze procházet specializovanými kurzy vývojářských firem.
Požadavky:Základy práce s mainframe na úrovni předmětu Úvod do mainframe.
Rozsah práce:Student musí naprogramovat v assembleru jednoduchý program na úrovni předmětu Základy algoritmizace.
Kličová slova:Mainframe, z/OS, assembler, HLASM, makra.
Literatura:Povinná literatura:
[1] K. McQuillen, A. Prince, MVS Assembler Language, 1987, Mike Murach.

Doporučená literatura:
[2] IBM, IBM System/370, Principles of Operation, IBM, 1975.

Studijní pomůcky:
Počítačová učebna, účet na systému mainframe.

Moderní trendy v korporátních informačních technologiích01SMF Oberhuber - - 2 z - 2
Předmět:Správa mainframe01SMFIng. Oberhuber Tomáš Ph.D.-2 Z-2
Anotace:Obsahem předmětu je výklad základů správy počítačů typu mainframe. Po seznámení s hardwarem těchto počítačů další výklad zahrnuje bezpečnost, transakční systémy, virtualizaci a nerelační databáze v prostředí mainframe.
Osnova:1. Hardware počítačů typu mainframe.
2. Bezpečnost v prostředí mainframe (SAF, RACF).
3. Transakční systémy (CICS).
4. Virtualizace (vývoj, základní pojmy, koncept virtualizace, virtualizace jednotlivých částí systému).
5. Nerelační databáze.
6. Bezpečnost a kryptografie
7. Ladění kódu v asembleru
Osnova cvičení:1. Transakční systémy.
2. Nerelační databáze
Cíle:Znalosti:
Základní přehled v oblasti technologii používaných při zprávě počítačů typu mainframe.

Schopnosti:
Lépe poznat rozdíly mezi systémy typu mainframe a architekturou Wintel resp. unixových systémů, chápat podstatné principy systémů s vysokou spolehlivostí.
Požadavky:Základy operačních systémů, mainframe a databáze.
Rozsah práce:Student musí napsat dva semestrální programy na téma databáze a transakce. Kontrola je provedena v průběhu semestru.
Kličová slova:Mainframe, správa systému, bezpečnost systému, transakční systémy, virtualizace, nerelační databáze.
Literatura:Povinná literatura:
[1] IBM, Introduction to the New Mainframe: z/OS Basics, IBM, 2005.

Doporučená literarura:
[2] IBM, Introduction to the New Mainframe: Security, IBM, 2006.
[3] IBM, Introduction to the New Mainframe: z/VM Basics, IBM, 2003.

Studijní pomůcky:
Počítačová učebna Windows/Linux.

Tvorba doménově specifických jazyků18DSJ Smolka, Virius 1+1 kz - - 2 -
Předmět:Tvorba doménově specifických jazyků18DSJIng. Smolka Josef----
Anotace:Předmět seznamuje studenty s doménově specifickými programovacími jazyky (DSL = Domain-Specific Languages) a možnostmi jejich využití v různých oblastech. V rámci předmětu budou představeny různé metody a nástroje pro tvorbu těchto jazyků.
Osnova:Úvod do doménově specifických jazyků.
? Co jsou DSL a k čemu jsou dobré? Kde je hranice mezi DSL a obecným programovacím jazykem?
? Historie vývoje DSL.
? V současnosti běžně používané DSL.
? Ne všechny DSL musí být spustitelné - ukázka UML OCL.
? Základy regulárních výrazů.
Vytváříme první doménově specifický jazyk
? Ukázka problému řešitelného pomocí doménově specifického jazyka.
? Vytvoření DSL v rámci jiného obecného programovacího jazyka (tzv. Embedded Domain-Specific Language).
Seznámení s nástrojem JetBrains MPS
? Seznámení s IDE pro vytváření doménově specifických jazyků.
? Tvorba jednoduchých DSL pro řešení různých problémů.
Nutný teoretický základ a seznámení s nástrojem ANTRL
? Základní pojmy z formální specifikace programovacích jazyků.
? Základní pojmy z konstrukce překladačů.
? Seznámení s nástrojem ANTLR pro generování parserů v jazyce Java a C#.
Seznámení s nástroji Flex a Bison
? Historie nástrojů, vývoj Yacc a Lex.
? Seznámení s nástrojem Flex pro generování lexikálního analyzéru v C/C++.
? Seznámení s nástrojem Bison pro generování parseru v C/C++.
Osnova cvičení:1. Jazyk OCL ve standardu UML. Regulární výrazy.
2. Tvorba EDSL v Groovy.
3. Tvorba DSL v JetBrains MPS.
4. Tvorba DSL v ANTLR.
5. Tvorba DSL v Flex/Bison.
Cíle:Studenti získají znalosti v oblasti tvorby a aplikace doménově specifických jazyků. Získají přehled o problémech, jejichž řešení lze zjednodušit vytvořením a aplikací doménově specifického jazyka. Studenti získají schopnosti používát rozličné metody a nástroje pro tvorbu doménově specifických jazyků.
Požadavky:Základy programování, Základy algoritmizace, C/C++, Java
Rozsah práce:
Kličová slova:
Literatura:Fowler, M.: Domain-Specific Languages, Addison-Wesley, 1. edice, 2010, ISBN: 978-0321712943.
Dearle, F.: Groovy for Domain-Specific Languages, Packt Publishing, 2010, ISBN: 978-1847196903.
Ghosh, D.: DSLs in Action, Manning Publications, 2010, ISBN: 978-1935182450.

Základy počítačových simulací18ZPS Horňák, Kukal - - 2+2 z - 4
Předmět:Základy počítačových simulací18ZPS-2+2 Z-4
Anotace:
Osnova:
Osnova cvičení:
Cíle:
Požadavky:
Rozsah práce:
Kličová slova:
Literatura:

Teorie finančních trhů18TFT Tran 2+2 kz - - 4 -
Předmět:Teorie finančních trhů18TFTIng. Tran Quang Van Ph.D.2+2 KZ-4-
Anotace:Jelikož vývoj cen finančních instrumentů není účastníkům finančního trhu předem znám, jsou v současnosti využívány finanční deriváty jako běžné nástroje pro eliminaci rizik vznikajících z cenové nestability aktiv ve finančnictví. Teorie finančních trhů využívá poznatků z matematické analýzy a statistiky k řízení portfolia rizikových aktiv a k oceňování sofistikovaných finančních instrumentů v podobě derivátů jako swapu, forwardu, futures a opcí.
Osnova:
Osnova cvičení:
Cíle:Přehled o finančních derivátech a jejich oceňování, základy modelování a analýzy jejich chování
Požadavky:Základní znalosti matematické analýzy, matematické statistiky a teorie pravděpodobnosti
Rozsah práce:
Kličová slova:Finanční trh, finanční instrumenty, deriváty, swap, forward, futures, opce, řízení portfolia, Black-Scholesova formule, finanční inženýrství
Literatura:[1] J. C. Hull: Options, Futures, and Other Derivatives, 8e, Prentice Hall, Boston, 2012
[2] M. Capinski, T. Zastawiak: Mathematics for Finance: An Introduction to Financial Engineering, Springer-Verlag, London, 2003
[3] P. Wilmott: The Mathematics of Financial Derivatives. Cambridge University Press, Cambridge, 1996
[4] S. Shreve: Stochastic Calculus for Finance II - Springer, USA, 2004
[5] Francis J.C., Kim D.: Modern Portfolio Theory- Foundations, Analysis, and New Developments, John Wiley and Sons, New Jersey, 2013

Zpracování dat z finančních trhů 18ZDFT Tran - - 2+2 kz - 4
Předmět:Zpracování dat z finančních trhů18ZDFT-2+2 KZ-4
Anotace:
Osnova:
Osnova cvičení:
Cíle:
Požadavky:
Rozsah práce:
Kličová slova:
Literatura: