Sylabus
1) Rastrová/vektorová data a jejich formáty - Ztrátové a bezztrátové formáty pro uložení rastrových dat (JPEG, PNG, GIF, TIF, ...). Vektorové modely (DCEL, WE) a formáty vektorových dat (SHP, DXF, …). Komprese dat.
2) Cloud computing prostorových dat, Big Data, WPS - Web Processing Service - Distribuce a analýza prostorových dat v cloudovém prostředí, big data, distribuce GIS nástrojů pomocí WPS. Tvorba algoritmů a zpracování prostorových big dat v prostředí Google Earth Engine.
3) Transformace obrazových dat - Základní transformace rastrových dat: diskrétní Fourierova (DFT), kosinová (DCT), vlnková transformace (DWT).
4) Prostorová indexace dat - Prostorová data strukturovaná/nestrukturovaná a jejich indexace: Hilbertovy křivky, buckety, stromy (Quadtree, KDtree, Rtree, Octree), prostorové hashování.
5) Korelace/dekorelace dat - Data a jejich korelace/dekorelace. Metody PCA, ICA, LDA.
6) Shluková analýza - Clusteriace dat: K-means, affinity propagation, spectral clustering, facility location. Segmentace dat.
7) Grafové algoritmy - Graf orientovaný/neorientovaný. Spojová/grafová reprezentace grafu. Prohledávání grafu (BFS/DFS). Nejkratší cesty mezi uzly (Dijkstra, Floyd-Warshall), minimální kostra grafu. TSP.
8) Strojové učení - Neuron a jeho model. Rekurentní sítě. Hopfieldovy sítě. Kohonenovy mapy. Konvoluční sítě. Vícevrstvé neuronové sítě.
Anotace
Kurz pokrývající důležité pasáže teoretické informatiky zaměřené na práci s prostorovými/atributovými daty v GIS, DPZ a kartografii.
Rastrová a vektorová data, jejich formáty, komprese dat. Transformace obrazových dat. Prostorové indexování dat. Dekorelace dat. Shluková analýza, clusterizace. Základní grafové algoritmy. Strojové učení.