Kontakt Knihovna Kalendář Koleje Telefony Diskuse E-learning SIS E-mail

Nacházíte se: VŠCHT Praha → Věda a výzkum → Výzkumný profil VŠCHT Praha → Řešené projekty → Projekty Evropských strukturálních fondů: Operační programy → Centrum počítačového vzdělávání

Centrum počítačového vzdělávání

Nabídka nových kreditovaných kurzů

Vznik „Centra počítačového vzdělávání“ (CPV) je financován z projektu Zkvalitnění vzdělávání - priorita VŠCHT Praha, reg. č. CZ.02.2.69/0.0/0.0/16_015/0002374. Cílem této subaktivity bylo vytvoření "Centra počítačového vzdělávání“ VŠCHT Praha, tedy metastruktury přesahující rámec katedry, fakulty či studijního programu, která by umožnila efektivnější přípravu studentů nejrůznějších oborů, jejichž dominantním pracovním nástrojem je výpočetní technika. V rámci tohoto Centra byl vytvořen systém kreditovaných předmětů, obsahujících další moduly, v některých případech i certifikované.

Anotace a sylaby jednotlivých kurzů najdete pod tabulkou přehledu výuky.

Zimní semestr	Kód kurzu	Lení semestr	Kód kurzu
Paralelní a distribuované zpracování dat v jazyce Java a C#	M445053	Linux, shell	B143051
Moderní metody molekulového modelování	M403066	Verzovací systémy	M143051
Biomolekulární modelování	M143054	Algoritmizace a programování v moderních jazycích	B445051
Vyhodnocení dat ve statistickém balíku R	M320078	Objektově orientované programování	B445052
Sběr dat pomocí počítače a virtuální instrumentace	B444043	Využití databází a jazyka SQL	B413052
Obrazová analýza a aplikace pro zpracování tomografických dat	M111051	Základy programování v jazyce Python	M143052
Metody dolování dat	B445054	MATLAB - Úvod do programování a numerických metod	M143053
Relační databáze a korelace dat	B445055	MATLAB pro pokročilé a obrazová analýza	B445053
Termodynamické modelování	M101052	Paralelní programování v OpenMP, MPI, CUDA	M403065
		Mathematica	M413041
		Modelování pevných látek	M101051
		Statistická analýza dat	B143053
		Vyhodnocení dat ve statistickém balíku R	M320078
		Mnohorozměrná analýza dat	M413042
		Obrazová analýza a aplikace pro zobrazování tomografických dat	M111051
		Metody dolování dat	B445054
		Relační databáze a korelace dat	B445055
		Modelování proudění metodou CFD	M409064
		Matematické modelování elektrochemických systémů	M105053

V závislosti na počtu přihlášených studentů budou jednotlivé kurzy vyučovány formou bloků nebo konzultací, termín výuky bude upraven po dohodě s vyučujícími. V případě dotazů na skutečný termín jednotlivých kurzů se obracejte přímo na lektory.

Přehled všech kurzů připravených v rámci CPV

Anotace a sylaby připravených kurzů

Programování vědeckých aplikací

Linux, shell

Účastníci kurzu se naučí používat základní příkazy a pokročilé nástroje shellu. Získají dovednosti a osvojí si techniky psaní shellových skriptů pro automatizované a efektivní zpracování dat. Po absolvování kurzu se budou účastníci orientovat v prostředí shellu, zvládat základní programovací techniky a umět vytvářet skripty pro práci v prostředí operačního systému Linux.

Verzovací systémy

Kurs seznámí účastníky s nejpoužívanějšími verzovacími systémy, jejichž použití kromě vývoje softwaru zahrnuje i jakékoliv aktivity vyžadující robustní ukládání historických dat. Studenti se naučí základům práce s distribuovanými verzovacími systémy (jako jsou například Mercurial a Git) – vytvoření repozitáře, jeho konfigurace, klonování a inicializace, standardní práce s repozitářem (přidávání a zanesení změn, odstraňování a opravy chyb, sledování změn a rozdílů a podobně).

Algoritmizace a programování v moderních jazycích

Anotace

Kurz Algoritmizace a programování v moderních jazycích je zaměřen na studenty, kteří začínají programovat, potřebují získat základní znalosti o algoritmizaci úloh a osvojit si základní programovací návyky. Cílem kurzu je seznámit je s třemi programovacími jazyky C#, VBA a Python, které lze využívat k programování aplikací pro OS Windows, automatizaci v MS Office anebo např. zpracování a prezentaci dat či programování speciálních knihoven pro ostatní software.

Sylabus kurzu

Úvod do algoritmizace a programování, datové typy, tiché přetečení, zaokrouhlovací chyba.
C#: proměnné, deklarace proměnných, operátory, řízení běhu programu.
C#: základní algoritmy, paměťová a časová složitost algoritmů, ošetření chyb.
VBA: programování maker a uživatelských funkcí.
VBA: tvorba dialogových oken a úprava uživatelského rozhraní.
Základy programování v Pythonu I
Základy programování v Pythonu II

Objektově orientované programování

Anotace

Kurz Objektově orientované programování je zaměřen na studenty, kteří se již v průběhu předchozího studia seznámili se základy programování (např. v kurzu Algoritmizace a programování). Cílem kurzu je seznámit se s programováním v objektově orientovaných jazycích na příkladech a ukázkách zejména v jazyku Java.

Sylabus kurzu

Datové typy, deklarace proměnných, operátory, pole a řetězce.
Větvení a cykly, standardní vstup a výstup.
Třídy a instance, metody a atributy.
Dědičnost, překrývání a přístupová práva.
Rozhraní a polymorfizmus, vnořené a vnitřní třídy.
Výjimky a ošetření výjimek, práce se soubory, konzolové aplikace.
Grafické uživatelské rozhraní.
Událostmi řízené programování, obsluha událostí, adaptéry.
Typy komponent, akce a vlastnosti komponent.

Paralelní a distribuované zpracování dat v jazyce Java a C#

Anotace

Kurz Paralelní a distribuované zpracování dat v jazyce Java a C# je zaměřen na studenty, kteří se již v průběhu předchozího studia seznámili s programovacími jazyky Java či C# a potřebují v nich naměřená data efektivně zpracovávat. Cílem kurzu je seznámit je s principy paralelního a distribuovaného zpracování dat, s používanými algoritmy a prostředky dostupnými v daných programovacích jazycích.

Sylabus kurzu

Softwarové možnosti optimalizace úloh. Distribuované a paralelní zpracování dat. Paralelizace úloh na vícejádrových procesorech.
Jednoduché synchronizační operace a blokující synchronizační primitiva.
Modelové problémy synchronizace. Podpora synchronizace v programovacím jazyku.
Definice základních pojmů z teorie paralelních výpočtů a jejich aplikace.
Algoritmus paralelního prefixového součtu a jeho aplikace.
Složitost rekurzivního zpracování a paralelizace rekurzivních úloh. Paralelizace algoritmů lineární algebry.
Paralelní třídící algoritmy.
Distribuované zpracování a vzájemná komunikace. Vzdálené zpracování procedur.

Využití databází a jazyka SQL

V rámci kurzu se účastníci seznámí s metodami návrhu relačních databází a efektivního přístupu k datům. Dále se seznámí s dotazovacím jazykem SQL pro správu databází.

Základy programování v jazyce Python

Úkolem kurzu je osvojit si základy programování pomocí jazyka Python, který dnes patří ve vědecké komunitě mezi nejrozšířenější. Kromě základních prvků řízení běhu programu se studenti seznámí s typovým systémem jazyka a specifickými konstrukcemi usnadňujícími a zpřehledňujícími nejčastější operace (jako je práce s textovými a binárními soubory nebo numerické výpočty).

MATLAB - Úvod do programování a numerických metod

Anotace

Matlab představuje výkonný programovací nástroj s širokou škálou velmi dobře implementovaných numerických metod a s výběrem rozšiřujících modulů pro různé aplikační oblasti. Cílem kursu je naučit studenty základy programování v Matlabu a jeho užití pro řešení nejběžnějších numerických úloh, jako je řešení soustav lineárních rovnic, hledání vlastních čísel a vektorů, hledání extrémů, numerická integrace, řešení diferenciálních rovnic a regresní analýza. Dále se studenti naučí metody importu dat do Matlabu, vizualizace dat (2D i 3D) a obecně prezentace výsledků výpočtu. Předpokládají se znalosti matematiky odpovídající kurzu Matematika I přednášeném na VŠCHT; jakákoliv předběžná zkušenost s programováním je výhodou.

Sylabus kurzu

Základy jazyka MATLAB
Matice a pole
Operátory a logické indexování
Lineární algebra
Grafický výstup
Datové typy a text
Programování a vývojové nástroje
Zpracování dat a statistika
Diferenciální rovnice
Optimalizace a interpolace

Paralelní programování v OpenMP, MPI a CUDA

Po obecném úvodu o modelech paralelního programování probereme hlavní zásady a triky vedoucí k efektivní paralelizaci úloh různých typů. V druhé části kurzu se zaměříme na konkrétní architekturu, totiž grafické procesory NVIDIA. Probereme sofware CUDA (vč. nezbytných základů jazyka C++) a budeme řešit cvičné úlohy se zaměřením na aplikace ve výpočetní chemii.

MATLAB pro pokročilé a obrazová analýza

Anotace

Kurz Matlab pro pokročilé je zaměřen na studenty, kteří se již v průběhu předchozího studia s programovým prostředím Matlab seznámili a mají zájem své znalosti dále prohlubovat. Cílem kurzu je seznámit je s celou řadou knihoven, které umožňují velmi pokročilou analýzu dat, ale i komunikaci s reálnými zařízeními.

Sylabus kurzu

Úvod a opakování
Matlab a připojení reálných zařízení
Matlab a analýza obrazu
Matlab a analýza obrazu II
Matlab a optimalizace
Tvorba modelů v Simulinku
Matlab a tvorba GUI
Matlab a regulace
Matlab a identifikace systémů

Mathematica

VŠCHT Praha poskytuje svým studentům odborné vzdělání v chemii, chemické technologii a příbuzných oborech. Úlohy, které řeší studenti během svého studia, i úkoly, se kterými se setkají po studiu během své kariéry, ve většině případů zahrnují matematické problémy, které svým rozsahem a komplexností nelze řešit tužkou na papíře, ale které vyžadují využití moderní výkonné vypočetní techniky. V počátcích nasazení výpočetní techniky si řešitel napsal program ve svém oblíbením programovacím jazyku, většinou Fortran, Pascal, C nebo Basic. V těchto jazycích bylo nutné každou matematickou operaci, např. násobení matic, výpočet Fourierovy transformace nebo řešení soustavy nelineárních diferenciálních rovnic ručně naprogramovat. To bylo velice náročné na znalosti řešitele, časově zdlouhavé a odlaďování kódu pracné. Proto byla postupně vyvinuta řada vyšších programovacích nástrojů. Ty dnes umožňují nejen numerické, ale i symbolické výpočty, proto jsou souhrnně nazývány Počítačové algebraické systémy. Mezi hlavního představitele těchto programovacích prostředků patří systém Mathematica od firmy Wolfram Research.

Cílem připravovaného kurzu je seznámit účastníky se systémem Mathematica tak, aby byli schopni řešit své úlohy v tomto prostředí efektivně, tedy s malou námahou, krátkou dobou psaní i ladění programu a s flexibilními možnostmi změny způsobu zadávání vstupních dat a získávání a ukládání výsledků v různých formátech.

U většiny programovacích jazyků je zvolena určitá syntaxe, tedy způsob, jakým se příkazy zadávají, jak se jednotlivé příkazy spojují a oddělují. Nedodržení těchto pravidel vede na chybové hlášení a překlad nebo výpočet je ukončen. Systém Mathematica dovoluje vedle používání příkazů v pevné syntaxi také zadávání příkazů ve volném jazyce anglicky naprosto bez nutnosti znát pravidla syntaxe jazyka.

Takže prvním krokem, po stručném nástinu vývoje počítačových algebraických systémů, bude seznámení účastníků kurzu se způsobem, jak zadávat příkazy ve volném jazyku. Tím uživatel obdrží dva výstupy. Jednak skutečný výsledek úlohy a dále správný příkaz, jakým lze tuto úlohu v systému Mathematica řešit. Na to může navazovat otevření interaktivní nápovědy (help), kde se uživatel seznámí s pravidly používání konkrétního příkazu, možnost změny voleb (option) a dostane nabídku velkého počtu, přehledně strukturovaných ukázkových příkazů. Tedy další krok kurzu bude seznámení účastníků se systémem nápovědy.

Dále se budeme věnovat efektivnímu využití systému Mathematica, tedy různým způsobům, jak používat větvení programu, smyčky, definice a volání funkcí, vnitřní struktuře dat, práce se skaláry, vektory, maticemi a tenzory vyšších řádů, práce s čistými funkcemi, numerické výpočty se strojovou přesností, výpočty s nastavitelnou vyšší přesností, symbolické výpočty, obyčejné i parciální derivace, určitý i neurčitý integrál, řešení algebraických, diferenciálních i diferenčních rovnic. Ukážeme, jak lze zadávat vstupní data ručně i automaticky ze souboru či z externích zdrojů. Jak lze výsledek výpočtu zobrazit na obrazovce, jak jej lze uložit na disk v různýchformátech v textové i grafické podobě.

Výkonné počítače univerzit, výzkumných ústavů i průmyslových podniků dnes neobsahují pouze jeden procesor, ale velké množství procesorů, z nichž každý sám zahrnuje několik výpočetních jader. Řada úloh dovoluje rozložit tíhu výpočtu na jednotlivá výpočetní jádra, a tím výrazně zrychlit výpočet. Tento postup se nazývá paralelizace úlohy. Seznámíte účastníky kurzu s jednoduchými, ale účinnými nástroji, které jsou v systému Mathematica připraveny pro paralelizaci úloh. Vedle vlastních výpočetních možností dovoluje systém Mathematica také přístup k široké paletě připravených dat (curated data). Ukážeme studentům, jak lze přímo v systému Mathematica pracovat s těmito daty z různých oborů, včetně chemie, fyziky, ekonomie a politiky. Cílem kurzu je seznámit účastníky se základy i s pokročilými možnostmi systému Mathematica. Nepředpokládáme žádné speciální předchozí znalosti ani z matematiky ani z programování. Na druhou stranu možnosti systému jsou tak široké a stále se rozrůstají, že není možné probrat všechny funkce do detailu. Ideální stav po absolvování našeho kurzu je zapálený člověk, nastartovaný tím správným směrem, který si bude dále již sám jednotlivé možnosti zkoušet a tím si bude prohlubovat a rozšiřovat své dovednosti. Pochopení jak používat tento systém mu zcela určitě usnadní případné seznámení s jiným počítačovými systémy dnes i v budoucnosti.

Molekulové modelování

Moderní metody molekulového modelování

Anotace

Kurz bude zaměřen na moderní metody molekulového modelování, především na numericky nákladné molekulové modelování, pro které je výhodné použití masivní paralelizace umožněné grafickými jednotkami GPU.

Sylabus kurzu

Úvod do molekulového modelování
Molekulové simulace v základním stavu (molekulová dynamika, ab initio molekulová dynamika pomocí dráhových integrálů, nukleární kvantové efekty, metody metadynamiky, analýza trajektorií)
Molekulové simulace v excitovaném stavu (kvantově chemické metody pro popis elektronově excitovaných stavů, semiempirické metody, neadiabatická dynamika pomocí, výpočty spin-orbitální vazby)
Spektroskopie a molekulové vlastnosti (výpočty elektronových spekter, výpočty vibračních spekter a jejich analýza, výpočty molekulových vlastností ze spekter, výpočty ionizovaných stavů, metody pro popis solvatace, vlastnosti solvatovaných molekul, vizualizace molekulových vlastností)

Modelování pevných látek

Anotace

Kurz je zaměřen na výpočty elektronových struktur pevných látek metodami DFT a analýzu výsledků s cílem modelování základních materiálových charakteristik (termodynamické, mechanické, magnetické a elektrické transportní vlastnosti) a chemických procesů (adsorpce na površích, katalýza, difuze). Pro výuku jsou využívány programy Medea-VASP a Wien2k pro kvantově-mechanické výpočty pevných látek a program Phonon pro výpočet fononových spekter. Úvodní části kurzu jsou věnovány teoretickým základům popisu krystalové a elektronové struktury pevných látek a kvantově-chemických metod pro výpočty elektronových stavů v krystalech. Následují praktické ukázky a procvičování přípravy a spuštění výpočtu jednodušších periodických struktur. Na nich je pak demonstrována analýza výsledků, představeny základní nástroje vizualizace a prezentace elektronových struktur a ukázány výpočty některých fyzikálních vlastností (optických, elektrických transportních, magnetických). Zvláštní pozornost je věnována optimalizaci mřížových parametrů a relaxaci struktury, které mají zásadní důležitost především při modelování krystalových poruch a povrchů. Těm je věnován další blok zaměřený na popis substitučních a intersticiálních pevných roztoků, tvorby vakancí a výpočty povrchových energií včetně relaxace a rekonstrukce povrchů a adsorpce částic na površích krystalů. Poté jsou posluchači seznámeni s výpočty fononových spekter a příslušných termodynamických funkcí s využitím přímé metody zamrzlých fononů a metody lineární odezvy. Kurz je zakončen ukázkami propojení probíraných kvantově mechanických metod s metodami molekulární dynamiky a modelování rozsáhlejších krystalických i amorfních systémů.

Struktura kurzu

Struktura pevných látek a příslušný matematický aparát
- krystalová struktura, symetrie a prostorové grupy, ekvivalentní polohy a generátory
- databáze krystalových struktur
- reciproká mříž, Brillouinova zóna, periodické funkce, Fourierova transformace, krystalový potenciál

Metody DFT pro periodické struktury
- Blochův teorém, báze vlnových funkcí, rovinné vlny (PW, APW, LAPW, PAW), lokalizované báze, pseudopotenciály
- funkcionály (LDA, GGA, GGA+U, hybridní funkcionály)
- přehled používaných programů (VASP, Wien2k, Crystal, CASTEP, Siesta, CPMD, ...)

Příprava a spuštění ab-initio výpočtu
- strukturní data, počáteční elektronová hustota, funkcionál, síť k-bodů, velikost báze
- spinová polarizace, spinové uspořádání, spin-orbitální interakce

Analýza výsledků ab-initio výpočtu
- hustota stavů (DOS), projekce DOS, pásová struktura, Fermiho mez, Fermiho plocha
- elektronová hustota, Baderova analýza, oxidační stavy
- celková energie, kohezní energie, magnetický (spinový/orbitální) moment, síly

Fyzikální a spektroskopické vlastnosti
- elektrické transportní vlastnosti, transportní koeficienty z Boltzmannovy teorie
- magnetické uspořádání (FM, AFM), orbitální a spinový moment, itinerantní vs. lokalizované momenty, problém Curieho paramagnetismu, Pauliho paramagnetismus
- elektronové specifické teplo, optické vlastnosti, NMR posuvy, ...

Optimalizace a relaxace
- optimalizace mřížových parametrů, elastické konstanty, stavová rovnice
- relaxace vnitřních stupňů volnosti, polohy atomů, relaxační algoritmy

Vibrace krystalové mříže
- metoda zamrzlého fononu, teorie lineární odezvy
- Hellmanovy-Feynmanovy síly, silové konstanty, dynamická matice
- frekvence vibrací, hustota stavů a pásová struktura fononů (PDOS)
- tepelná kapacita a další termodynamické funkce, Ramanova spektra

Simulace poruch a povrchů
- bodové poruchy (substituce, vakance), superbuňka, konfigurace, relaxace okolí
- energie poruch, výpočet dodatkové Gibbsovy energie
- slab, povrchová energie, relaxace povrchu, výstupní práce
- adsorpce molekul, reakční centra, katalýza

Molekulová dynamika materiálů
- pohybové rovnice a jejich integrace (Car-Parrinello a Born-Oppenheimer MD)
- strukturní popis radiální distribuční funkce
- termodynamické veličiny – střední časové hodnoty veličin
- transportní veličiny – difuzivita aj.

Biomolekulární modelování

Anotace

Počítačové simulace struktury, dynamiky a interakcí biomolekul jsou nezbytným doplňkem experimentů v biochemii, biofyzice a molekulární biologii. Umožňují studovat konformační dynamiku molekul v rozlišení jednotlivých atomů a získat tak data, která jsou experimentálně nedostupná. Cílem kursu je seznámit studenty se základními principy a praktickými aspekty biomolekulárních simulací. Podrobněji bude představena především klasická molekulová dynamika, která hraje v biomolekulárním modelování zásadní roli. Zaměříme se na témata jako je struktura silového pole, integrace pohybových rovnic, generování statistických souborů a metody výpočtu volné energie. Studenti si také prakticky vyzkouší přípravu simulací různých modelových systémů a následnou analýzu dat. Předpokladem jsou základní znalosti z biochemie, fyzikální chemie a matematiky asi na úrovni nižších ročníků bakalářského studia.

Sylabus kurzu

Molekulová mechanika
Molekulová dynamika
Úvod do statistické mechaniky
Metody volné energie

Analýza a zpracování dat

Statistická analýza dat

Anotace

Cílem kurzu Statistická analýza dat je obeznámit posluchače se základními principy univariantní statistiky. Mezi probíraná témata patří průzkumová analýza, rozdělení náhodné veličiny, intervaly spolehlivosti, testování statistických hypotéz a analýza rozptylu.

Sylabus kurzu

Popisná statistika - grafické znázornění
Popisná statistika - míry centrality
Popisná statistika - míry variability
Popisná statistika - normální rozdělení
Popisná statistika - zešikmená rozdělení
Výběrové rozdělení
Centrální limitní terorém
Statistické usuzování - interval spolehlivosti
Statistické usuzování - testování hypotéz I
Statistické usuzování - testování hypotéz II
Statistické usuzování - testování hypotéz III
Statistické usuzování - analýza rozptylu
Statistické modelování - korelace
Statistické modelování - lineární regrese

Vyhodnocení dat ve statistickém balíku R

Program R je zdarma dostupný program, který umožňuje provádět základní matematické a statistické operace a analýzy. Zároveň stovky dostupných balíčků tohoto programu umožňují provádět specializované analýzy v bioinformatice a dalších oborech. Součástí kurzu bude seznámení se se základními matematickými funkcemi, tvorbou grafů a jejich ukládáním ve vhodném formátu, rozlišení atd, základy programování v R, použití základní statistické nástroje a podobně. Program R bude dále demonstrován na vybraném tématu, které budeme obměňovat. Jako první téma byla vybrána Fourierova transformace. Cílem bude vysvětlit dané téma tak, aby pro účastníky černou skříňkou.

Mnohorozměrná analýza dat

Anotace

Kurz bude zaměřen na představení vybraných metod používaných při analýze mnohorozměrných dat. V rámci teoretické části budou vyloženy základní principy jednotlivých metod včetně předpokladů a správné interpretace výsledků. Praktická část bude zaměřena na samostatné zpracování základních mnohorozměrných úloh a to pomocí statistického softwaru R.

Sylabus kurzu

Shluková analýza
Analýza hlavních komponent
Vícerozměrné škálování
Mnohorozměrné odhady a testy hypotéz
Vícerozměrná analýza rozptylu
Regresní metody (vícenásobná lineární regrese, PCR, GLM)

Sběr dat pomocí počítače a virtuální instrumentace

Anotace

Kurz je zaměřen na výuku základů programování ve vyšších programovacích jazycích za účelem získávání dat z reálných experimentů. Studenti absolvují průřezový výklad teorie vyšších programovacích jazyků využívaných při výuce a výzkumu na VŠCHT Praha pro měření, sběr a zpracování dat (např. jazyk C, Pascal, Fortran, Python a grafické jazyky G, Simulink, apod.). Na praktických ukázkách se studenti seznámí s filosofií měření a sběru dat a vyzkouší si pracovat v pokročilých integrovaných vývojových prostředích LabVIEW, Matlab, ControlWeb a VEE. Součástí kurzů je také práce s přístroji a zařízeními pro sběr dat z experimentu. Kurz je rozcestníkem pro budoucí výběr úzce specializovaných předmětů věnovaných programování, zároveň také usnadní případné samostudium programování při řešení bakalářských či magisterských prací.

Sylabus kurzu

Úvod do počítačového sběru dat, měřicí přístroj a virtuální měřicí přístroj. Programovací prostředí pro tvorbu virtuálních měřicích přístrojů. Ukázky řešení jednoduchého problému v různých jazycích.
Stručný úvod a opakování základů programování, datové typy, řídicí struktury. Práce v prostředi Matlab a MinGW.
Práce v prostředí ControlWeb. Komunikace s měřicí kartou DataLab. Sběr, zpracování a ukládání dat ze senzorů teploty.
Práce s jazykem Python. Sběr a vizualizace dat ze senzorů desky Rasberry Pi HAT. Tvorba jednoduché meteostanice. Práce s daty v jazyce Python.
Počítače a průmyslové sběrnice, komunikace s přístroji. Programovací jazyk LabVIEW. Pokročilé systémy pro sběr dat (PXI). Rozcestník výuky programování na VŠCHT.

Obrazová analýza a aplikace pro zpracování tomografických dat

Anotace

Kurz je zaměřen na zpracování digitálních třídimenzionálních snímků, které nacházejí čím dál podstatnější úlohu v pokročilých charakterizačních technikách heterogenních materiálů. Typicky se jedná o mikroskopické techniky elektronové a rentgenové tomografie, sériové (nano)tomografie, konfokální (fluorescenční) mikroskopie či magnetické rezonance. S úspěchem se principů zpracování obrazových dat využívá i ve zpracování 3D spektroskopických dat, jako je například SIMS profilování. Kurz klade důraz na praktické dovednost nutné pro vhodné zpracování 3D dat. Kurz dále otevírá problematiku vizualizace a prezentace zpracovaných snímků, například na konferencích či v publikacích. Kurz je vyučován v prostředí systému Avizo.

Sylabus kurzu

Příklady digitálních snímků z elektronových mikroskopů a rentgenových tomografů a jejich charakteristické rysy
Digitální formát snímků
Transformace intenzity
Filtrace v prostorové doméně
Difúzní filtry
Rekonstrukce snímků: základní postupy
Segmentace snímků
Základy matematické morfologie
Vizualizace a prezentace zpracovaných snímků

Metody dolování dat

Anotace

Kurz Data mining je zaměřen na studenty, kteří se již v průběhu předchozího studia setkali se základními statistickými metodami, analýzou dat a programováním a mají zájem své znalosti dále prohlubovat. Cílem kurzu je seznámit je s celou řadou principů, metod a postupů, které umožňují velmi pokročilou analýzu dat.

Sylabus kurzu

Experimentální data, signály a obrazy: vzorkování, kvantování, archivace
Zpracování dat v časové, prostorové a frekvenční oblasti
Pomocné operace: filtrace, vyhlazování, normalizace, standardizace
Nelineární a statisticky robustní metody zpracování dat
Třída, vzor, množina vzorů, klasifikace, klasifikátor, křížová validace
Klasifikátory založené na vzdálenosti, prokletí dimenze dat
Klasifikátory založené na linearitě, lineární separabilita tříd
Logistická regrese, její zobecnění a využitelnost
Nelineární klasifikátory, jádrové metody a regularizace
Redukce dimenze dat: PCA , whitening, robustní whitening
Shluková analýza: hierarchické, globální a sekvenční metody
Využití matematické statistiky a logiky k dolování dat

Relační databáze a korelace dat

Anotace

Kurz Relační databáze a korelace dat je určen pro studenty se zaměřením na analytickou chemii, kteří mají zájem své znalosti dále prohlubovat v oblasti analýzy dat a hledání vztahů - korelací v datech. Cílem kurzu je seznámit s principy databázových systémů, porozumění datům a úvod do problematiky analýzy a korelace dat.

Sylabus kurzu

Metodika návrhu I: Databázové tabulky a jejich normální formy
Metodika návrhu II: Integrita databáze, integritní omezení a jejich význam
Vektory, matice a vícerozměrná pole v databázovém prostředí
Stručný přehled syntaxe jazyka SQL
Archivace a aktualizace naměřených hodnot v databázovém prostředí
Jednoduché statistické metody v databázovém prostředí
Vícerozměrné statistické metody v databázovém prostředí
Dolování dat v databázovém prostředí
Další témata upřesní UACH

Specifické inženýrské aplikace

Modelování proudění metodou CFD

Anotace

Kurz navazuje na znalosti získané v předmětech zaměřených na teorii mechaniky tekutin (např. N409002 Chemické inženýrství I nebo N409065 Hydromechanické procesy) a pro studenty přináší nové znalosti v oblastech numerického řešení pohybových rovnic metodou počítačové dynamiky tekutin (CFD), modelování turbulentního proudění, řešení toku porézním materiálem a toku stlačitelných tekutin. Na přednášky navazují cvičení, při kterých jsou rozvíjeny zkušenosti při šeření úloh z proudění reálných tekutin. Studenti si mohou dále samostatně rozvíjet teoretické znalosti z oblasti mechaniky tekutin a užívané numerické matematiky metodou CFD z připravených studijních materiálů. Na cvičení a při řešení problémů budou užívány programy ANSYS FLUENT nebo OpenFOAM. Součástí předmětu je samostatný projekt na výpočet proudění tekutin.

Rozsah 1/2/0 (7. týdnů)

Struktura kurzu

Př: Úvod do CFD, obecný postup při řešení
- Cv: Ukázka CFD řešičů, tvorba geometrie výpočetní domény
Př: Základní rovnice v mechanice tekutin, metoda konečných objemů
- Cv: Výpočetní síť – tvorba a úprava, počáteční a okrajové podmínky, řešení ustáleného proudění
Př: Numerické metody při řešení – ustálené proudění, neustálené proudění
- Cv: Neustálené proudění, vliv časového kroku a velikosti sítě
Př: Modelování turbulentního proudění
- Cv: Turbulentní proudění – různé modely turbulence
Př: Vícefázové proudění
- Cv: Vícefázové proudění
Samostatný projekt
Samostatný projekt

Matematické modelování elektrochemických systémů

Kurz je zaměřen na výuku řešení náročnějších multifyzikálních úloh elektrochemického inženýrství pomocí matematického modelování. Důraz je kladen primárně na definici a matematický popis komplexnějších fyzikálně chemických procesů v dané oblasti. Soustava parciálních diferenciálních rovnic je implementována v komerčně dostupném software zahrnující již nezbytné numerické metody jejich řešení. Nejsou tedy vyžadovány komplexnější znalosti programování numerických metod. Získané znalosti jsou pak aplikovány na elektrochemické systémy (palivové články, elektrodialýza, membránová elektrolýza atd.) s důrazem na analýzu, interpretaci a využití získaných dat. Budou řešeny úlohy vyžadující nadstandardní a výkonné výpočetní kapacity. Výhodou pro účast v kurzu je předchozí znalost základů elektrochemického inženýrství a matematického modelování elektrochemických procesů, se kterými se posluchač může seznámit v rámci magisterského předmětu „Elektrochemické inženýrství“ zajišťovaného katedrou Anorganické technologie VŠCHT Praha.

Termodynamické modelování

Anotace

Kurz je zaměřen na výpočty fázových a chemických rovnováh a konstrukci fázových diagramů pro oblast materiálového výzkumu. Jako hlavní nástroj bude využíván výpočetní a databázový systém FactSage. První část je věnována termodynamickým datům čistých látek s akcentem na pevné látky (modul Compound), fázovým přeměnám a chemickým reakcím s účastí čistých látek (modul Reaction). Ve druhém bloku je probrána konstrukce a interpretace potenciálových fázových diagramů (diagramy stability fází - modul Predom a Pourbaixovy diagramy – modul EpH). Poté bude pozornost přesunuta na termodynamický popis kapalných roztoků (iontové taveniny, roztoky s komplexy, vodné roztoky elektrolytů) a pevných roztoků (substituční roztoky, podmřížový model, compound energy formalism v rámci modulu Solution). Následuje modul zaměřený na výpočty a konstrukci binárních a ternárních fázových diagramů včetně jejich vícesložkových variant s konstantní aktivitou volných složek. Součástí modulu Phase diagram je i možnost výpočtu rovnováhy pro konkrétní podmínky s využitím modulu Equilibrium. Rozšířené možnosti této aplikace včetně explicitního zadání vstupních podmínek a vytváření grafických výstupů jsou probírány v pátém bloku. Kurz je uzavřen seznámením se strategií optimalizace termodynamických dat s využitím kalorimetrických a rovnovážných experimentálních dat (modul Optisage).

Struktura kurzu

Termodynamická data pevných látek (moduly Compound a Reaction)
- Závislost termodynamických dat čistých látek na teplotě a na tlaku, magnetický příspěvek
- Změny termodynamických funkcí při fázových přeměnách 1. řádu a chemických reakcích (pouze čisté látky)
- Příklady: Zadání úlohy, volby proměnných, tabelární a grafický výstup)
- a) Ti, TiO2, (fázové přeměny), b) Ni, NiO (magnetický příspěvek), c) Různé reakce pevných látek (rozklad MgCO3, ...)
Diagramy stability fází (modul Predom)
- Rovnováhy reakcí (s)-(g)
- Postup konstrukce diagramu pro systém tvořený třemi prvky
- Interpretace diagramů
- Příklady: Zadání úlohy, volby proměnných, tabelární a grafický výstup
- a) Cd-O-Se, Ce-O-S, W-O-Cl, …, b) Systémy tvořené čtyřmi prvky typu Ca-P-O-H resp. Na-H-S-O
Termodynamický popis roztoků (modul Solution)
- Substituční kapalné roztoky, iontové taveniny, roztoky s komplexy
- Substituční pevné roztoky, podmřížkový model pro intersticiální roztoky a roztoky sloučenin, compound energy formalism
- Vodné roztoky elektrolytů
- Příklady: Zadání úlohy, volby proměnných, tabelární a grafický výstup
- a) Oxidová tavenina Cu-O – model asociujícího roztoku a podmřížový model, b) Tuhý roztok Bi2[Bi1-xSrx]O1.5-x/2, spinely [A1-xBx][B2-xAx]O4 – compound energy formalism.
Výpočet a konstrukce binárních a ternárních fázových diagramů (modul Phase diagram)
- Binární systémy (s)-(l)
- Ternární systémy (s)-(l)
- Systémy s fixní aktivitou jedné či více složek
- Příklady: Zadání úlohy, volby proměnných, tabelární a grafický výstup
- a) Výpočet fázových diagramů z komerční databáze (kovy, anorganické sloučeniny, ...)
- b) Sestavení vlastní databáze dle zadaného projektu a výpočet příslušných fázových diagramů a rovnovážného složení
Chemické rovnováhy (modul Equilib)
- Seznámení se s modulem dle manuálu
- Vytváření vstupních datových souborů
- Prováděný výpočtů pro různé počáteční podmínky
- Příklady: a) Výpočet s modelovými daty pro různé počáteční podmínky, b) Sestavení datového souboru a výpočet dle zadaného projektu
Optimalizace termodynamických dat (modul OptiSage)
- Seznámení se s modulem dle manuálu,
- Využití experimentálních bodů fázového diagramu, využití naměřených tenzí par a aktivitních koeficientů
- Vytváření vstupních datových souborů

Aktualizováno: 23.3.2022 15:11, Autor: Dana Poláchová