This elective course focuses on fundamental methods for acquiring environmental data and applying that data to address environmental issues within the broader context of the natural sciences. It covers topics such as the use of electronic data sources and data processing using spreadsheet software and statistical programs, including Geographic Information Systems (GIS). For students in natural science disciplines, it serves as a foundational course that can be followed by further specialized elective lectures, practical exercises, and seminars. Presentations on various data processing approaches are based on the methodological materials of the software used (MS Excel, Google Sheets/Colab, RStudio, MATLAB, ArcGIS). The course is also available on the Moodle platform to support in-person instruction and—in justified cases—distance learning via online resources (lectures and exercises are conducted in Czech, while methodological materials are primarily in English).
Last update: Matějíček Luboš, Ing., Ph.D. (25.08.2026)
Výběrová přednáška je zaměřena na základní postupy při získávání informací o životním prostředí a jejich využití při řešení otázek životního prostředí v širším rámci přírodních věd. Zahrnuje kapitoly týkající využití elektronických zdrojů dat, zpracování dat v tabulkových procesorech a statistických programech včetně využití geografických informačních systémů. Pro studenty přírodovědných oborů představuje základní kurs, na který mohou navazovat další tematicky zaměřené výběrové přednášky, cvičení a semináře. Prezentace jednotlivých přístupů ke zpracování dat vychází z metodických materiálů počítačových programů (MS Excel, Google Sheets/Colab, RStudio, MATLAB, ArcGIS). Předmět je také k dispozici v systému MOODLE pro podporu prezenční a v odůvodněných případech i distanční výuky prostřednictvím online kurzů dostupných na WWW (přednáška/cvičení je v češtině, metodické podklady jsou většinou v angličtině).
Last update: Matějíček Luboš, Ing., Ph.D. (25.08.2026)
Literature -
Wickham, H., Cetinkaya-Rundel, M. and Grolemund, G. (2023) R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. Available at: https://r4ds.hadley.nz/
Tennekes M., Nowosad J. (2025) Spatial Data Visualization with tmap: A Practical Guide to Thematic Mapping in R. Available at: https://tmap.geocompx.org
Lovelace, R., Nowosad, J. and Muenchow, J. (2025) Geocomputation with R. Available at: https://r.geocompx.org/
Dorman, M., Graser, A., Nowosad, J. and Lovelace, R. (2025). Geocomputation with Python. Available at: https://github.com/geocompx/geocompy
François Chollet and Matthew Watson Chollet, F. and Watson, M. (2025) Deep Learning with Python, 3rd edition. Available at: https://deeplearningwithpython.io/ Available at: https://github.com/fchollet/deep-learning-with-python-notebooks
MathWorks (2026) MATLAB Primer Available at: https://www.mathworks.com/help/pdf_doc/matlab/learn_matlab.pdf
MathWorks (2026) MATLAB Programming Fundamentals Available at: https://in.mathworks.com/help/pdf_doc/matlab/matlab_prog.pdf
ESRI (2016) The ArcGIS Imagery Book Available at: https://www.esri.com/content/dam/esrisites/en-us/esri-press/book-pages/sample-page/the-arcgis-imagery-book-companion-resource.pdf
ESRI (2017) The ArcGIS Book Available at: https://www.esri.com/content/dam/esrisites/en-us/esri-press/book-pages/sample-page/the-arcgis-book-second-edition-companion-resource.pdf
Last update: Matějíček Luboš, Ing., Ph.D. (25.08.2026)
Wickham, H., Cetinkaya-Rundel, M. and Grolemund, G. (2023) R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. Available at: https://r4ds.hadley.nz/
Tennekes M., Nowosad J. (2025) Spatial Data Visualization with tmap: A Practical Guide to Thematic Mapping in R. Available at: https://tmap.geocompx.org
Lovelace, R., Nowosad, J. and Muenchow, J. (2025) Geocomputation with R. Available at: https://r.geocompx.org/
Dorman, M., Graser, A., Nowosad, J. and Lovelace, R. (2025). Geocomputation with Python. Available at: https://github.com/geocompx/geocompy
François Chollet and Matthew Watson Chollet, F. and Watson, M. (2025) Deep Learning with Python, 3rd edition. Available at: https://deeplearningwithpython.io/ Available at: https://github.com/fchollet/deep-learning-with-python-notebooks
MathWorks (2026) MATLAB Primer Available at: https://www.mathworks.com/help/pdf_doc/matlab/learn_matlab.pdf
MathWorks (2026) MATLAB Programming Fundamentals Available at: https://in.mathworks.com/help/pdf_doc/matlab/matlab_prog.pdf
ESRI (2016) The ArcGIS Imagery Book Available at: https://www.esri.com/content/dam/esrisites/en-us/esri-press/book-pages/sample-page/the-arcgis-imagery-book-companion-resource.pdf
ESRI (2017) The ArcGIS Book Available at: https://www.esri.com/content/dam/esrisites/en-us/esri-press/book-pages/sample-page/the-arcgis-book-second-edition-companion-resource.pdf
Last update: Matějíček Luboš, Ing., Ph.D. (25.08.2026)
Course assessment methods and requirements for successful completion, grading scheme -
The subject MO550P66 Introduction to environmental informatics is taught face-to-face or, in justifiable cases, via distance learning. Presentations of lectures and assignment of demo tasks are available on MOODLE: https://dl2.cuni.cz/course/view.php?id=1890 in PDF format.
To be awarded credit, demo tasks must be completed and, in case of absence from the exercise, the required results must be submitted for review in MOODLE by the end of the grading period. The task is completed when more than 50 points are obtained in the range of 0 to 100. The recommended submission deadline is the next exercise.
Last update: Matějíček Luboš, Ing., Ph.D. (25.08.2026)
Předmět MO550P66 Úvod do environmentální informatiky je vyučován prezenční formou nebo v odůvodnitelných případech i distanční formou. Prezentace přednášek a zadání demo úloh jsou k dispozici na MOODLE: https://dl2.cuni.cz/course/view.php?id=1890 ve formátu PDF.
Pro udělení zápočtu je třeba vypracovat demo úlohy a v případě absence na cvičení odevzdat požadované výsledky ke kontrole v MOODLE do konce klasifikačního období. Úloha je splněna při získání více než 50 bodů v rozsahu 0 až 100. Doporučený termín odevzdání je do následujícího cvičení.
Last update: Matějíček Luboš, Ing., Ph.D. (25.08.2026)
Syllabus -
Getting started with MS Excel: wide and long data format
Getting started with Google sheets: wide and long data format
RStudio Cloud data visualization
RStudio Cloud data tidying
Spatial Data Visualization with tmap
Geocomputation with Python
Deep Learning with Python
ThingSpeak for IoT Projects
MATLAB Live Scripts and Plot Gallery
MATLAB Dynamic Models
Exploratory Data Analysis of Satellite Images
ArcGIS Terrain Data Collection
Last update: Matějíček Luboš, Ing., Ph.D. (25.08.2026)
Getting started with MS Excel: wide and long data format
Getting started with Google sheets: wide and long data format
RStudio Cloud data visualization
RStudio Cloud data tidying
Spatial Data Visualization with tmap
Geocomputation with Python
Deep Learning with Python
ThingSpeak for IoT Projects
MATLAB Live Scripts and Plot Gallery
MATLAB Dynamic Models
Exploratory Data Analysis of Satellite Images
ArcGIS Terrain Data Collection
(v angličtině vzhledem k využití software v anglickém prostředí)
Last update: Matějíček Luboš, Ing., Ph.D. (25.08.2026)
Learning outcomes -
Learning outcomes (target category of knowledge, skills or attitudes to which students are to reach, adapted to the level of knowledge of mathematics and computer programming): - familiarization with modern methods of data processing in the context of new computer technologies, which will significantly influence research activities worldwide in future decades, - using the examples of foreign projects to learn professional terminology for studying in follow-up subjects with a similar professional theme, - the ability to develop their skills in the context of emerging new computer systems for acquiring, processing and presenting data.
Last update: Matějíček Luboš, Ing., Ph.D. (25.08.2026)
Výsledky učení (cílová kategorii znalostí, dovedností či postojů, ke které mají studenti dospět, přizpůsobeno úrovni znalostí matematiky a počítačového programování): -seznámení se s moderními metodami zpracování dat v kontextu nových počítačových technologií, které v budoucích desetiletích celosvětově významně ovlivní výzkumné aktivity, -na příkladech zahraničních projektů si osvojit odbornou terminologii pro studium v návazných předmětech s podobnou odbornou tématikou, -schopnost rozvíjet své dovednosti v kontextu nastupujících nových počítačových systémů pro získávání, zpracování a prezentaci dat.
Last update: Matějíček Luboš, Ing., Ph.D. (25.08.2026)
