Informatika - Softwarové a datové inženýrství

Garantující pracoviště: Katedra softwarového inženýrství
Oborový garant: Prof. RNDr. Tomáš Skopal, Ph.D.

Zaměření:

– softwarové inženýrství

– vývoj software

– webové inženýrství

– databázové systémy

– analýza a zpracování rozsáhlých dat

Absolvent má hluboké softwarově a datově inženýrské znalosti v rámci zvoleného zaměření. Tyto znalosti nesledují pouze aktuální technologické trendy, ale jejich jádro je tvořeno hlubokým teoretickým základem. Absolvováním zaměření Softwarové inženýrství umí absolvent analyzovat požadavky na kvalitu a funkcionalitu softwarových řešení, navrhovat odpovídající architekturu a řídit proces vývoje a monitorování kvality. Absolvent zaměření Vývoj software je schopen navrhovat architekturu software a vést jeho implementaci v různých prostředích včetně paralelních nebo cloudových. Zaměření Webové inženýrství učí absolventy navrhovat a implementovat software fungující v prostředí webu, cloudu a dalších síťových technologií s důrazem na škálovatelnost, robustnost a bezpečnost. Se zaměřením Databázové systémy je absolvent připraven navrhovat a integrovat schémata v různých typech databází a na jejich základě pak implementovat a administrovat databázové aplikace. Absolvent zaměření Analýza a zpracování rozsáhlých dat se uplatní jako vědecky orientovaný odborník na dobývání znalostí z dat a jejich interpretaci uživateli, např. jako datový analytik (data scientist).

Povinné předměty

Týmový projekt

Student si volí právě jeden z trojice předmětů Softwarový projekt, Výzkumný projekt a Firemní projekt.

Povinně volitelné profilující předměty

Je požadováno splnění povinně volitelných profilujících předmětů z následujícího seznamu v rozsahu alespoň 41 kreditů. Předměty je doporučené volit tak, aby pokrývaly zvolené studijní okruhy státní závěrečné zkoušky.

¹ Předmět NPFL114 byl vyučován do roku 2022/2023, předmět NPFL138 je vyučován od roku 2023/2024, předměty jsou vzájemně neslučitelné.

Povinně volitelné předměty

Je požadováno splnění povinně volitelných předmětů z následujícího seznamu v rozsahu alespoň 15 kreditů.

Státní závěrečná zkouška

Student si vybere tři okruhy podle zvoleného zaměření. Dva z těchto okruhů jsou povinné pro zvolené zaměření, třetí je volitelný.

Zkušební okruhy

1. Analýza a architektury software (povinný pro zaměření: Softwarové inženýrství)

2. Rozšířené programování (povinný pro zaměření: Softwarové inženýrství, Vývoj software)

3. Softwarové technologie (povinný pro zaměření: Vývoj software)

4. Webové technologie (povinný pro zaměření: Webové inženýrství)

5. Formální základy databázových systémů a dotazovací jazyky (povinný pro zaměření: Webové inženýrství, Databázové systémy)

6. Implementace databázových systémů (povinný pro zaměření: Databázové systémy)

7. Zpracování rozsáhlých a nestrukturovaných dat (povinný pro zaměření: Analýza a zpracování rozsáhlých dat)

8. Data mining (povinný pro zaměření: Analýza a zpracování rozsáhlých dat)

Zkušební požadavky

1. Analýza a architektury software
Procesy vývoje SW a jejich fáze. Analýza požadavků na SW - principy, postupy, využití jazyka UML (popis struktury a chování SW). Principy a postupy návrhu SW. Testování SW (V-model, činnosti v testování, typy testů, testovací techniky). Projektové řízení (SW projekt, metody projektového řízení, plánování SW projektů). SW architektura a její význam v procesu vývoje SW. Notace pro modelování a dokumentaci SW architektury (Bass, 4+1, ArchiMate, C4 model, apod). Druhy pohledů na SW architekturu a jejich význam. Klasifikace atributů kvality SW architektury, jejich popis pomocí scénářů a taktik. Architektonické vzory. Monolit, modularizovaný monolit, microservices, servisně orientovaná architektura, doménově-řízená architektura. Algebraické metody formálních specifikací, vícedruhové algebry, iniciální modely. Temporální logika. Formální základy jazyka UML. OCL jako specifikační jazyk a formální základy dle specifikace.

Doporučené předměty

2. Rozšířené programování
Moderní konstrukce a pokročilé aspekty programovacích jazyků. Generické programování a metaprogramování, generika a šablony, politiky, traits, typová dedukce, reflexe. Výjimky a bezpečné programování v prostředí s výjimkami. Implementace objektových vlastností, běhová podpora, volací konvence, garbage collection. Paralelní programování, Amdahlův zákon, synchronizační primitiva, task stealing. Návrhové vzory a jejich využití. Skriptovací jazyky, prototype-based jazyky. Domain Specific Languages. Funkcionální programování. Principy tvorby kvalitního kódu, doporučené postupy, refaktorizace. Testování funkčnosti, hledání chyb, monitorování programů.

Doporučené předměty

3. Softwarové technologie
Architektury operačních systémů, správa procesů, správa paměti, komunikace a synchronizace, paralelismus, virtualizace, stránkování. Souborové systémy, přístupová práva a bezpečnost. Multiplatformní a přenositelné aplikace. Testování a monitorování funkčnosti a výkonnosti. Architektura webových aplikací, skriptování na straně serveru a klienta. Cloudové služby, IaaS, PaaS a SaaS. Virtualizace, hardwarově asistovaná virtualizace, paravirtualizace, kontejnery, Linux namespaces, cgroups, docker, orchestrace, edge computing, IoT. Vyvažování zátěže, vysoká dostupnost. MapReduce.

Doporučené předměty

4. Webové technologie
Obecný přehled základní webových technologií. Síťové služby pro webové technologie. Webové služby. Architektura klient-server aplikací, skriptování na straně serveru a klienta, webové frameworky. Použití databázových systémů ve webových aplikacích, NoSQL databáze, multimediální databáze. Indexace a prohledávání dokumentů, principy fungování webových vyhledávačů. Linked Data - principy, datový model RDF a jeho serializace, dotazovací jazyk SPARQL, často používané slovníky, SHACL, Solid.

Doporučené předměty

5. Formální základy databázových systémů a dotazovací jazyky
Relační kalkuly, relační algebry. Relační úplnost. Bezpečné výrazy, ekvivalence relačních dotazovacích jazyků. Věta o tranzitivním uzávěru relace. Sémantika SQL. Standardy SQL. Objektové rozšíření relačního modelu dat. Databáze textů – Booleovský a vektorový model, vyhledávání a indexování, uspořádání odpovědí, top-k operátor. Datalog. Rekurze v SQL. Datový model XML. Datový model RDF a jeho serializace, dotazovací jazyk SPARQL, RDF Schema a reasoning/inference. Podobnostní vyhledávání v multimediálních databázích, modelování a extrakce deskriptorů, metrické indexační metody.

Doporučené předměty

6. Implementace databázových systémů
Transakce – ACID a vlastnosti rozvrhů; uzamykací protokoly a uváznutí; distribuované transakce (2PC protokol); zotavení z chyb, žurnály. Distribuce s horizontální fragmentací, implementace NoSQL databází, CAP teorém. Indexace relačních dat. Přístupové metody k prostorovým objektům. Algoritmy implementace relačních operací, agregačních funkcí. Vyhodnocování a optimalizace dotazů. Komprese dat: Huffmanovo kódování, aritmetické kódování, LZ algoritmy, Burrows-Wheelerova transformace.

Doporučené předměty

7. Zpracování rozsáhlých a nestrukturovaných dat
Distribuce s horizontální fragmentací, implementace NoSQL databází, CAP teorém. Big Data management - distribuce, škálování, replikace, transakce. Paralelní a distribuované zpracování rozsáhlých dat, MapReduce. Úložiště typu klíč - hodnota. Sloupcová úložiště. Dokumentová úložiště. Modely pro fulltextové dotazování - vektorový, booleovský model, uspořádání odpovědí, top-k operátor. Podobnostní vyhledávání v multimediálních databázích, modelování a extrakce deskriptorů, metrické indexační metody. Techniky vizualizace dat - redukce dimenze (PCA, MDS, t-SNE, UMAP), vizualizace grafových dat (force directed placement algoritmy, multi-scale algoritmy). Data science a metoda CRISP-DM - příprava, modelování a vyhodnocení. Základní statistické modely v data science. Modelování preferencí, varianty zpětné vazby od uživatele, doporučovací systémy.

Doporučené předměty

8. Data mining
Základní principy databázových systémů, datových skladů a technologie OLAP. Dobývání znalostí z databází - příprava dat a jejich předzpracování, techniky pro popis konceptů, metody pro dobývání asociativních pravidel, metody pro klasifikaci a predikci dat, metody pro klastrovou analýzu, dobývání znalostí v databázových systémech. Statistické metody pro data mining. Hledání různých typů závislostí. Bayesovská analýza, bayesovské sítě. Pravděpodobnostní modely dokumentografického informačního systému. Metody řízeného učení pro klasifikaci a regresi. Support Vector Machines a kernelové funkce. Evaluace experimentů. Techniky vizualizace dat - redukce dimenze (PCA, MDS, t-SNE, UMAP), vizualizace grafových dat (force directed placement algoritmy, multi-scale algoritmy). Data science a metoda CRISP-DM - příprava, modelování a vyhodnocení. Základní statistické modely v data science.

Doporučené předměty