MYUP0111c Úvod do programování - cvičení

Lékařská fakulta
podzim 2025
Rozsah
0/2/0. 30. 3 kr. Ukončení: z.
Vyučující
Ing. Martin Gajdoš, Ph.D. (cvičící)
Ing. Pavel Říha, Ph.D. (cvičící)
RNDr. Jan Fousek, Ph.D. (cvičící)
Ing. Martin Lamoš, Ph.D. (cvičící)
Ing. Michal Mikl, Ph.D. (cvičící)
Ing. Tereza Švestková (cvičící)
Petr Nejedlý, M.Sc., Ph.D. (cvičící)
Bc. Ján Repka (cvičící)
Garance
Ing. Martin Gajdoš, Ph.D.
Laboratoř multimodálního a funkčního zobrazování – Centrum neurověd – Středoevropský technologický institut
Dodavatelské pracoviště: Laboratoř multimodálního a funkčního zobrazování – Centrum neurověd – Středoevropský technologický institut
Rozvrh
St 12:00–13:40 A16/217
Omezení zápisu do předmětu
Předmět je určen pouze studentům mateřských oborů.
Mateřské obory/plány
Cíle předmětu
Cílem předmětu je osvojení si základů tvorby algoritmů za účelem získání schopnosti umět porozumět a vytvářet kódy pro analýzu neurovědních dat v jazycích PYTHON a MATLAB. Předmět poskytne studentům znalosti a schopnosti, nezbytné pro analýzu a interpretaci dat v neurovědách. Výuka se v první části zaměří na základy algoritmizace, na pochopení procesu tvorby počítačového kódu a na seznámení se se základními pojmy (např. proměnné, cykly, datové typy, podmínky). Druhá část předmětu bude orientovaná na vývojové prostředí PYTHON a MATLAB. Studenti se naučí porozumět kódům, tvořeným v tomto prostředí za účelem zpracování neurovědních dat a vyzkouší vývoj kódu prakticky. Na závěr předmětu je umístěno cvičení s praktickým využitím nástrojů umělé inteligence ke generování kódů pro práci s neurovědními daty s důrazem na kontrolu chyb, kterých se generativní modely mohou dopouštět.
Výstupy z učení
Po úspěšném absolvování kurzu bude student:
- znát základní datové typy a standardy používané v neurovědách
- chápat proces tvorby počítačového kódu
- schopen porozumět struktuře a účelu běžného kódu určenému ke zpracování neurovědních dat
- umět přepsat navržený algoritmus do funkčního kódu v jazyce MATLAB a PYTHON
- zvládat vytvořit kód k jednoduché analýze dat (například korelační analýze)
- schopen popsat a vysvětlit vlastní kód
Osnova
  • 1. Úvod do algoritmizace. Logika tvorby počítačového algoritmu
  • 2. a 3. Cykly, funkce, odstraňování chyb (debugging)
  • 4. Knihovny, třídy
  • 5. Základní pojmy: proměnná, cyklus, datový typ, podmínky
  • 6. PYTHON úvod: Práce s datasety, knihovny numpy, pandas
  • 7. a 8. PYTHON: Grafy, datové formáty, datasety
  • 9. a 10. PYTHON: Adresářové struktury, hledání souborů, načítání dat
  • 11. MATLAB úvod: Vývojové prostředí, základy syntaxe, struktura kódu, knihovna SPM
  • 12. MATLAB: Načítání dat, vykreslení dat, NIFTI
  • 13. MATLAB: Vývoj kódu, debugging, tvorba vlastního kódu
  • 14. AI v programování: Tvorba kódu pomocí generativní AI, debugování
Literatura
    doporučená literatura
  • RAMALHO, Luciano. Fluent Python : clear, concise, and effective programming. Second edition. Sebastopol, CA: O'Reilly, 2022, xxviii, 98. ISBN 9781492056355. info
  • NELSON, Daniel. Data visualization in Python : explore and manipulate data and create engaging interactive plots with 9 Python libraries. First edition. [Omaha]: Stack Abuse, 2020, 338 stran. ISBN 9798582486367. info
  • MATTHES, Eric. Python crash course : a hands-on, project-based introduction to programming. 2nd edition. San Francisco: No Starch Press, 2019, xxxvi, 506. ISBN 9781593279288. info
  • HUNT, Brian R.; Ronald L. LIPSMAN a Jonathan M. ROSENBERG. A guide to MATLAB® : for beginners and experienced users : updated for MATLAB 8 and Simulink 8. Third edition. Cambridge: Cambridge University Press, 2014, xv, 317. ISBN 9781107662223. info
  • WALLISCH, Pascal; Michael E. LUSIGNAN; Marc D. BENAYOUN; Tanya I. BAKER; Adam S. DICKEY a Nicholas G. HATSOPOULOS. MATLAB for neuroscientists : an introduction to scientific computing in MATLAB. Second Edition. London: Academic Press, 2014, xx, 550. ISBN 9780123838360. info
  • NumPy beginner's guidean action-packed guide for the easy-to-use, high performance, Python based free open source NumPy mathematical library using real-world examples. Edited by Ivan Idris. 2nd ed. Birmingham, England: Packt Publishing, 2013, 1 online r. ISBN 9781782166092. info
Výukové metody
Cvičení, projekty a diskuze.
Metody hodnocení
Předmět je vyučován ve formě dvouhodinových cvičení.
POŽÁDAVKY K ZÍSKÁNÍ ZÁPOČTU:
1. 100% účast na cvičeních během semestru.
2. Absence se bude omlouvat pouze ze zdravotních důvodů. Student musí doložit příslušnou dokumentaci nebo lékařské potvrzení (v originálu).
3. Splnění zadaných úkolů.
V případě absence bude studentovi za každou absenci uloženo vypracovat 5-8 minut dlouhou prezentaci v power pointu na dané téma a seminární práci v rozsahu 1500-2000 slov, nebo počítačový kód, kterým prokáže porozumění danému tématu. Pokud bude kód či seminární práce odmítnuta z důvodu nedostatků a nebude studentem opravena a znovu předána ke kontrole, student tím nesplní požadavky předmětu a nezíská zápočet (viz Politiku absencí a pozdních příchodů, Akademické přestupky, plagiátorství a neetické chování).
4. Aktivní účast během cvičení. Způsob a kritéria hodnocení Pro úspěšné absolvování je potřeba získat alespoň 50 bodů ze 100 v následujících aktivitách
1. Splnění úkolů jednotlivých cvičení: V každém cvičení (10x) bude zadán bodovaný úkol menšího rozsahu (celkově min 20 bodů, max 40 bodů; jednotlivý úkol max 4 body)
2. Závěrečné kolokvium (min 30 bodů, max 60 bodů)
Další komentáře
Studijní materiály
  • Statistika zápisu (nejnovější)
  • Permalink: https://is.muni.cz/predmet/med/podzim2025/MYUP0111c