PV177 Laboratory of Advanced Network Technologies

Fakulta informatiky
podzim 2020
Rozsah
0/2/0. 2 kr. Ukončení: z.
Vyučující
doc. RNDr. Eva Hladká, Ph.D. (přednášející)
RNDr. Martin Macák, Ph.D. (přednášející)
prof. RNDr. Václav Matyáš, M.Sc., Ph.D. (přednášející)
RNDr. Tomáš Rebok, Ph.D. (přednášející)
Ing. Jana Hozzová, Ph.D. (cvičící)
Mgr. Aleš Křenek, Ph.D. (cvičící)
RNDr. Vít Rusňák, Ph.D. (cvičící)
Ing. Martin Tuleja (cvičící)
Garance
doc. RNDr. Eva Hladká, Ph.D.
Katedra počítačových systémů a komunikací – Fakulta informatiky
Kontaktní osoba: doc. RNDr. Eva Hladká, Ph.D.
Dodavatelské pracoviště: Katedra počítačových systémů a komunikací – Fakulta informatiky
Rozvrh seminárních/paralelních skupin
PV177/ComputerNetworks: Čt 10:00–11:50 A505, T. Rebok, M. Tuleja
PV177/DataScience: Rozvrh nebyl do ISu vložen. T. Rebok
PV177/Experiments: Po 12:00–13:50 A505, J. Hozzová, A. Křenek, V. Rusňák
Předpoklady
SOUHLAS
PV177/DataScience (Datová analytika prakticky) -- žádné
PV177/Experiments (Modelování a vyhodnocování experimentů) -- absolvování základních matematických (MB101-MB103, resp. MB202-203) a programovacích (IB111, IB113) předmětů
PV177/ComputerNetworks (Počítačové sítě) -- absolvování předmětu PB156
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 81 mateřských oborů, zobrazit
Cíle předmětu
Seznámení se s oblastí a (týmový) projekt zaměřený na osvojení si principů v jedné z oblastí, na kterou je kurz v daném semestru specializován.
V aktuálním semestru je kurz specializován na následující oblasti:
1. PV177/DataScience (Datová analýza prakticky -- analýza velkých objemů dat, Big Data, ...) -- cílem této specializace kurzu je seznámení studentů s metodami a nástroji pro analýzy velkých objemů dat (tzv. Big Data), které si posléze prověří formou prakticky zaměřených projektů, prezentovaných závěrem semestru.
2. PV177/Experiments (Modelování a vyhodnocování experimentů) -- cílem této specializace kurzu je seznámení studentů s metodami a nástroji pro modelování a kvantitativní i kvalitativní vyhodnocování experimentů.
3. PV177/ComputerNetworks (Pokročilé počítačové sítě) -- v rámci této specializace se studenti seznámí se softwarově-definovanými sítěmi (SDN), a to v kontextu nejnovějších IT trendů (software-defined infrastructure, cloud, content delivery networks). V rámci kurzu budou také diskutovány nejběžnější problémy tradičních počítačových sítí a možné způsoby jejich řešení moderními metodami softwarově-definovaných technologií (streaming telemetry, traffic engineering a automatizace).
Výstupy z učení
Načerpání nových teoretických znalostí ve vybrané problematice a řešení prakticky zaměřeného (týmového) projektu na vybrané téma.
Osnova
  • 1. PV177/DataScience (Datová analytika prakticky):
    Týmový projekt v některé z oblastí specializace předmětu v daném semestru -- datová analytika, sítě, gridy nebo multimédia. Studenti si vyberou nebo jim bude přidělen samostatný projekt (pro skupinu studentů), při jehož realizaci si osvojí pokročilé znalosti příslušné oblasti, zvládnou základy metodologie výzkumu, budou případně realizovat vlastní výzkum a odprezentují dosažené výsledky. Postup práce bude pravidleně sledován na jednotýdenních nebo dvoutýdenních seminářích, kde studenti získají nezbytnou zpětnou vazbu.
    Na závěrečném semináři je provedeno celkové zhodnocení a studentům bude udělen zápočet.
  • 2. PV177/Experiments (Modelování a vyhodnocování experimentů):
    1) Kvantitativní vyhodnocování experimentů: co je hypotéza a jak ji formulovat, jaké případy mohou nastat (false negative, true negative, false positive, true positive), jak kontrolovat false positive error rate, jak si zabezpečit dostatečnou statistickou sílu, co znamená statisticky signifikantní výsledek, P-value a jak ji interpretovat, co je to preregistrace a proč ji používat.
    2) Modelování: Úvod do matematických a výpočetních modelů, parametrizace modelů vůči experimentálním datům, metoda nejmenších čtverců; vyhodnocení vhodnosti modelu („goodness of fit“), aplikace postupů kvantitativního vyhodnocení (předchozí bod), problematika under- a overfittingu; pokročilé techniky (smíšené modely apod.)
    3) Vyhodnocování kvalitativních experimentů a uživatelských testování: typy kvalitativních experimentů (dotazníková šetření, rozhovory a focus groups, …), formativní vs sumativní testování, standardizované dotazníky, cíle a fáze analýzy kvalitativních dat.

  • 3. PV177/ComputerNetworks (Počítačové sítě):
    1) Úvod do SDN sítí: diskuze o problémech tradičních sítí a vysvětlení evoluce SDN
    2) Použití SDN: v data centrech, CDN, WAN, wireless,…​
    3) Architektura SDN​
    4) Semestrální projekt: pro konkrétní případ vypracovat systémovou studii zavedení SDN
Literatura
  • Research Methods in Human-Computer Interaction; Harry Hochheiser, Jinjuan Heidi Feng, Jonathan Lazar; 2nd Ed. ISBN: 9780128093436, 2017.
  • https://www.coursera.org/learn/statistical-inferences/
  • STEVENS, W. Richard, Bill FENNER a Andrew M. RUDOFF. UNIX network programming. 3rd ed. Boston, Mass.: Addison-Wesley, 2004, xxiii, 991. ISBN 0-13-141155-1. info
  • KUROSE, James F. Computer networking :a top-down approach featuring the Internet. Boston: Addison-Wesley, 2003, xvii, 752. ISBN 0-321-17644-8. info
  • GOUDA, Mohamed G. Elements of network protocol design. New York: John Wiley & Sons, 1998, xviii, 506. ISBN 0471197440. info
Výukové metody
Výuka probíhá ve formě projektových témat, kterým se věnuje každý ze studentǔ, a to buď v týmu s dalšími studenty nebo samostatně. Na semináři pak postupně všichni studenti referují o výsledcích práce na projektech na samostatném vystoupení. Konkrétní specializace předmětu pak mohou být doplněny o úvodní přednášky na dané téma.
Metody hodnocení
Studenti jsou hodnoceni za aktivitu na seminářích a za kvalitu dosažených výsledků a způsob a kvalitu jejich prezentace před svými vrstevníky.
Vyučovací jazyk
Angličtina
Další komentáře
Studijní materiály
Předmět je vyučován každý semestr.
Předmět je zařazen také v obdobích podzim 2005, jaro 2006, podzim 2006, jaro 2007, podzim 2007, jaro 2008, podzim 2008, jaro 2009, podzim 2009, jaro 2010, podzim 2010, jaro 2011, podzim 2011, jaro 2012, podzim 2012, jaro 2013, podzim 2013, jaro 2014, podzim 2014, jaro 2015, podzim 2015, jaro 2016, podzim 2016, jaro 2017, podzim 2017, jaro 2018, podzim 2018, jaro 2019, podzim 2019, jaro 2020, jaro 2021, podzim 2021, jaro 2022, podzim 2022, jaro 2023, podzim 2023, jaro 2024, podzim 2024, jaro 2025.