{"id":54058,"date":"2019-12-17T00:00:00","date_gmt":"2019-12-16T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/14-open-source-proektov-dlya-prokachki-data-science-masterstva-easy-normal-hard"},"modified":"2020-02-18T14:02:02","modified_gmt":"2020-02-18T11:02:02","slug":"14-open-source-proektov-dlya-prokachki-data-science-masterstva-easy-normal-hard","status":"publish","type":"post","link":"https:\/\/prohoster.info\/cs\/blog\/news\/14-open-source-proektov-dlya-prokachki-data-science-masterstva-easy-normal-hard","title":{"rendered":"14 open-source projekt\u016f pro zlep\u0161en\u00ed dovednost\u00ed v oblasti Data Science (snadn\u00e9, norm\u00e1ln\u00ed, t\u011b\u017ek\u00e9)","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Data Science pro za\u010d\u00e1te\u010dn\u00edky<\/i><\/p>\n

1. Anal\u00fdza sentimentu (Anal\u00fdza pocit\u016f prost\u0159ednictv\u00edm textu)<\/h3>\n

\n\"14
\n
\nPod\u00edvejte se na kompletn\u00ed realizaci projektu Data Science s vyu\u017eit\u00edm zdrojov\u00e9ho k\u00f3du \u2014 Projekt anal\u00fdzy sentimentu v R<\/a><\/noindex>.<\/p>\n

Anal\u00fdza sentimentu \u2014 je anal\u00fdza slov k ur\u010den\u00ed n\u00e1lad a n\u00e1zor\u016f, kter\u00e9 mohou b\u00fdt pozitivn\u00ed nebo negativn\u00ed. Je to typ klasifikace, kde t\u0159\u00eddy mohou b\u00fdt bin\u00e1rn\u00ed (pozitivn\u00ed a negativn\u00ed) nebo v\u00edcerozm\u011brn\u00e9 (\u0161\u0165astn\u00e9, rozzu\u0159en\u00e9, smutn\u00e9, odporn\u00e9 \u2026). Tento projekt z oblasti datov\u00e9 v\u011bdy realizujeme v jazyce R a budeme pou\u017e\u00edvat datovou sadu v bal\u00ed\u010dku \u201ejaneaustenR\u201c. Pou\u017eijeme obecn\u00e9 slovn\u00edky, jako jsou AFINN, bing a loughran, provedeme vnit\u0159n\u00ed spojen\u00ed a na z\u00e1v\u011br vytvo\u0159\u00edme slovo-cloud, abychom zobrazili v\u00fdsledek.<\/p>\n

Jazyk:<\/b> R
\nDatov\u00fd soubor\/Paketu:<\/b> janeaustenR
\n<\/a><\/noindex><\/p>\n

\"14<\/a><\/noindex>

\n\u010cl\u00e1nek byl p\u0159elo\u017een s podporou spole\u010dnosti EDISON Software, kter\u00e1 vytv\u00e1\u0159\u00ed virtu\u00e1ln\u00ed zku\u0161ebny pro multi-story obchody<\/a><\/noindex>, a tak\u00e9 testuje software<\/a><\/noindex>.<\/p><\/blockquote>\n

2. Detekce fale\u0161n\u00fdch zpr\u00e1v (Objevov\u00e1n\u00ed fake news)<\/h3>\n

\nZvy\u0161te sv\u00e9 dovednosti na novou \u00farove\u0148 prac\u00ed na projektu Data Science pro za\u010d\u00e1te\u010dn\u00edky \u2014 detekce fale\u0161n\u00fdch zpr\u00e1v pomoc\u00ed Pythonu<\/a><\/noindex>.<\/p>\n

\"14
\n
\nFale\u0161n\u00e9 zpr\u00e1vy jsou nepravdiv\u00e9 informace \u0161\u00ed\u0159en\u00e9 prost\u0159ednictv\u00edm soci\u00e1ln\u00edch m\u00e9di\u00ed a jin\u00fdch online m\u00e9di\u00ed za \u00fa\u010delem dosa\u017een\u00ed politick\u00fdch c\u00edl\u016f. V tomto projektov\u00e9m n\u00e1padu pro Data Science budeme pou\u017e\u00edvat Python k vytvo\u0159en\u00ed modelu, kter\u00fd dok\u00e1\u017ee p\u0159esn\u011b ur\u010dit, zda je zpr\u00e1va pravdiv\u00e1 nebo fale\u0161n\u00e1. Vytvo\u0159\u00edme TfidfVectorizer a pou\u017eijeme PassiveAggressiveClassifier pro klasifikaci zpr\u00e1v na \u201eprav\u00e9\u201c a \u201efale\u0161n\u00e9\u201c. Pou\u017eijeme datov\u00fd soubor ve form\u00e1tu 7796 \u00d7 4 a v\u0161e provedeme v Jupyter Lab.<\/p>\n

Jazyk:<\/b> CouchDB<\/p>\n

Datov\u00fd soubor\/Paketu:<\/b> news.csv<\/p>\n

3. Detekce Parkinsonovy nemoci (Identifikace Parkinsonovy choroby)<\/h3>\n

\nPokra\u010dujte vp\u0159ed prac\u00ed na n\u00e1padu projektu Data Science Project Idea \u2014 identifikace Parkinsonovy nemoci pomoc\u00ed XGBoost<\/a><\/noindex>.<\/p>\n

\"14
\n
\nZa\u010dali jsme vyu\u017e\u00edvat Data Science ke zlep\u0161en\u00ed zdravotn\u00ed p\u00e9\u010de a slu\u017eeb \u2014 pokud m\u016f\u017eeme p\u0159edpov\u011bd\u011bt onemocn\u011bn\u00ed v ran\u00e9m st\u00e1diu, z\u00edsk\u00e1me mnoho v\u00fdhod. Tak\u017ee v tomto projektov\u00e9m n\u00e1padu pro Data Science se nau\u010d\u00edme identifikovat Parkinsonovu nemoc pomoc\u00ed Pythonu. Je to neurodegenerativn\u00ed, progresivn\u00ed onemocn\u011bn\u00ed centr\u00e1ln\u00ed nervov\u00e9 soustavy, kter\u00e9 ovliv\u0148uje pohyb a zp\u016fsobuje t\u0159es a ztuhlost. Ovliv\u0148uje dopamin produkuj\u00edc\u00ed neurony v mozku a ka\u017ed\u00fd rok se to dot\u00fdk\u00e1 v\u00edce ne\u017e 1 milionu lid\u00ed v Indii.<\/p>\n

Jazyk:<\/b> CouchDB<\/p>\n

Datov\u00fd soubor\/Paketu:<\/b> UCI ML Parkinsons dataset<\/p>\n

Data Science projekty st\u0159edn\u00ed slo\u017eitosti<\/i><\/p>\n

4. Rozpozn\u00e1v\u00e1n\u00ed emoc\u00ed z \u0159e\u010di<\/h3>\n

\nSeznamte se s \u00faplnou implementac\u00ed p\u0159\u00edkladu projektu Data Science \u2014 rozpozn\u00e1v\u00e1n\u00ed \u0159e\u010di pomoc\u00ed Librosa<\/a><\/noindex>.<\/p>\n

\"14
\n
\nNyn\u00ed se nau\u010d\u00edme pou\u017e\u00edvat r\u016fzn\u00e9 knihovny. Tento projekt Data Science pou\u017e\u00edv\u00e1 librosa k rozpozn\u00e1v\u00e1n\u00ed \u0159e\u010di. SER je proces ur\u010dov\u00e1n\u00ed lidsk\u00fdch emoc\u00ed a afektivn\u00edch stav\u016f podle \u0159e\u010di. Vzhledem k tomu, \u017ee pou\u017e\u00edv\u00e1me t\u00f3n a v\u00fd\u0161ku t\u00f3nu k vyj\u00e1d\u0159en\u00ed emoc\u00ed hlasem, je SER relevantn\u00ed. Ale proto\u017ee jsou emoce subjektivn\u00ed, anotace zvuku je slo\u017eit\u00fd \u00fakol. Pou\u017eijeme funkce mfcc, chroma a mel a dataset RAVDESS k rozpozn\u00e1v\u00e1n\u00ed emoc\u00ed. Vytvo\u0159\u00edme MLPC klasifik\u00e1tor pro tento model.<\/p>\n

Jazyk:<\/b> CouchDB<\/p>\n

Datov\u00fd soubor\/Paketu:<\/b> RAVDESS dataset<\/p>\n

5. Rozpozn\u00e1v\u00e1n\u00ed pohlav\u00ed a v\u011bku<\/h3>\n

\nOhromte zam\u011bstnavatele nejnov\u011bj\u0161\u00edm projektem Data Science \u2014 ur\u010dov\u00e1n\u00edm pohlav\u00ed a v\u011bku pomoc\u00ed OpenCV<\/a><\/noindex>.<\/p>\n

\"14
\n
\nTo je zaj\u00edmav\u00fd projekt Data Science s Pythonem. Pouze na z\u00e1klad\u011b jednoho obr\u00e1zku se nau\u010d\u00edte p\u0159edpov\u00eddat pohlav\u00ed a v\u011bk \u010dlov\u011bka. V tomto projektu v\u00e1s sezn\u00e1m\u00edme s Computer Vision a jeho principy. Vytvo\u0159\u00edme konvolu\u010dn\u00ed neuronovou s\u00ed\u0165<\/a><\/noindex> a pou\u017eijeme modely, kter\u00e9 vy\u0161kolili Tal Hassner a Gil Levi pro dataset Adience. Na cest\u011b budeme pou\u017e\u00edvat n\u011bkter\u00e9 soubory .pb, .pbtxt, .prototxt a .caffemodel.<\/p>\n

Jazyk:<\/b> CouchDB<\/p>\n

Datov\u00fd soubor\/Paketu:<\/b> Adience<\/p>\n

6. Anal\u00fdza dat Uber<\/h3>\n

\nPod\u00edvejte se na \u00faplnou implementaci projektu Data Science s k\u00f3dem \u2014 Projekt anal\u00fdzy dat Uber v R<\/a><\/noindex>.<\/p>\n

\"14
\n
\nToto je projekt vizualizace dat s ggplot2, ve kter\u00e9m budeme pou\u017e\u00edvat R a jeho knihovny a analyzovat r\u016fzn\u00e9 parametry. Pou\u017eijeme dataset Uber Pickups v New Yorku a vytvo\u0159\u00edme vizualizace pro r\u016fzn\u00e9 \u010dasov\u00e9 \u00faseky roku. To n\u00e1m uk\u00e1\u017ee, jak \u010das ovliv\u0148uje j\u00edzdy z\u00e1kazn\u00edk\u016f.<\/p>\n

Jazyk:<\/b> R<\/p>\n

Datov\u00fd soubor\/Paketu:<\/b> Dataset Uber Pickups ve m\u011bst\u011b New York<\/p>\n

7. Detekce ospalosti \u0159idi\u010de<\/h3>\n

\nZlep\u0161ete sv\u00e9 dovednosti prac\u00ed na p\u0159edn\u00edm projektu Data Science \u2014 syst\u00e9m detekce ospalosti pomoc\u00ed OpenCV & Keras<\/a><\/noindex>.<\/p>\n

\"14
\n
\nOspal\u00e9 \u0159\u00edzen\u00ed je velmi nebezpe\u010dn\u00e9 a ka\u017ed\u00fd rok doch\u00e1z\u00ed k p\u0159ibli\u017en\u011b tis\u00edci nehod\u00e1m kv\u016fli tomu, \u017ee \u0159idi\u010di us\u00ednaj\u00ed b\u011bhem \u0159\u00edzen\u00ed. V tomto projektu na Pythonu vytvo\u0159\u00edme syst\u00e9m, kter\u00fd dok\u00e1\u017ee detekovat ospal\u00e9 \u0159idi\u010de, a tak\u00e9 je upozornit zvukov\u00fdm sign\u00e1lem.<\/p>\n

Tento projekt byl realizov\u00e1n pomoc\u00ed Keras a OpenCV. Pou\u017eijeme OpenCV ke detekci obli\u010deje a o\u010d\u00ed, a s pomoc\u00ed Keras budeme klasifikovat stav oka (Otev\u0159en\u00e9 nebo Zav\u0159en\u00e9) pomoc\u00ed metod hlubok\u00e9 neuronov\u00e9 s\u00edt\u011b.<\/p>\n

8. Chatbot<\/h3>\n

\nVytvo\u0159te chatbot pomoc\u00ed Pythonu a posu\u0148te se ve sv\u00e9 kari\u00e9\u0159e \u2014 Chatbot s NLTK & Keras<\/a><\/noindex>.<\/p>\n

\"14
\n
\nChatboti jsou ned\u00edlnou sou\u010d\u00e1st\u00ed podnik\u00e1n\u00ed. Mnoho podnik\u016f mus\u00ed poskytovat slu\u017eby sv\u00fdm z\u00e1kazn\u00edk\u016fm, co\u017e vy\u017eaduje zna\u010dn\u00e9 mno\u017estv\u00ed pracovn\u00ed s\u00edly, \u010dasu a \u00fasil\u00ed. Chatboti mohou automatizovat velkou \u010d\u00e1st interakce se z\u00e1kazn\u00edky, odpov\u00eddaj\u00edc\u00ed na n\u011bkter\u00e9 \u010dast\u00e9 dotazy, kter\u00e9 z\u00e1kazn\u00edci pokl\u00e1daj\u00ed. Existuj\u00ed p\u0159edev\u0161\u00edm dva typy chatbot\u016f: Domain-specific a Open-domain. Domain-specific chatboty se \u010dasto vyu\u017e\u00edvaj\u00ed k \u0159e\u0161en\u00ed konkr\u00e9tn\u00edho probl\u00e9mu. Je tedy nutn\u00e9 je nastavit pro efektivn\u00ed fungov\u00e1n\u00ed ve va\u0161\u00ed oblasti. Open-domain chatbot\u016fm lze pokl\u00e1dat jak\u00e9koli ot\u00e1zky, proto je pro jejich \u0161kolen\u00ed pot\u0159eba obrovsk\u00e9 mno\u017estv\u00ed dat.<\/p>\n

Dataset:<\/b> Soubor json pro z\u00e1m\u011bry<\/p>\n

Jazyk:<\/b> CouchDB<\/p>\n

Pokro\u010dil\u00e9 projekty Data Science<\/i><\/p>\n

9. Gener\u00e1tor popis\u016f obr\u00e1zk\u016f<\/h3>\n

\nZkontrolujte \u00faplnou implementaci projektu se zdrojov\u00fdm k\u00f3dem \u2014 Gener\u00e1tor popis\u016f obr\u00e1zk\u016f s CNN & LSTM<\/a><\/noindex>.<\/p>\n

\"14
\n
\nPopis toho, co se nach\u00e1z\u00ed na obr\u00e1zku, je snadn\u00fd \u00fakol pro lidi, ale pro po\u010d\u00edta\u010de je obr\u00e1zek pouze soubor \u010d\u00edsel, kter\u00e9 p\u0159edstavuj\u00ed hodnotu barvy ka\u017ed\u00e9ho pixelu. Pochopit, co je na obr\u00e1zku, a pot\u00e9 vytvo\u0159it popis v p\u0159irozen\u00e9m jazyce (nap\u0159\u00edklad v angli\u010dtin\u011b), je dal\u0161\u00ed obt\u00ed\u017en\u00fd \u00fakol. Tento projekt vyu\u017e\u00edv\u00e1 metody hlubok\u00e9ho u\u010den\u00ed, kde implementujeme konvolu\u010dn\u00ed neuronovou s\u00ed\u0165 (CNN) s rekurentn\u00ed neuronovou s\u00edt\u00ed (LSTM) pro vytvo\u0159en\u00ed gener\u00e1toru popis\u016f obr\u00e1zk\u016f.<\/p>\n

Dataset:<\/b> Flickr 8K<\/p>\n

Jazyk:<\/b> CouchDB<\/p>\n

Framework:<\/b> Keras<\/p>\n

10. Detekce podvod\u016f s kreditn\u00edmi kartami<\/h3>\n

\nDejte do projektu Data Science to nejlep\u0161\u00ed \u2014 detekce podvod\u016f s kreditn\u00edmi kartami pomoc\u00ed strojov\u00e9ho u\u010den\u00ed<\/a><\/noindex>.<\/p>\n

\"14
\n
\nDosud jste za\u010dali ch\u00e1pat metody a koncepty. P\u0159ejd\u011bme k n\u011bkter\u00fdm pokro\u010dil\u00fdm projekt\u016fm v oblasti v\u011bdy o datech. V tomto projektu budeme pou\u017e\u00edvat jazyk R s algoritmy jako jsou rozhodovac\u00ed stromy<\/a><\/noindex>, logistick\u00e1 regrese, um\u011bl\u00e9 neuronov\u00e9 s\u00edt\u011b a klasifik\u00e1tor gradientn\u00edho boosting. Budeme pou\u017e\u00edvat soubor dat transakc\u00ed s kartami k tomu, abychom klasifikovali kreditn\u00ed kartov\u00e9 transakce jako podvodn\u00e9 a skute\u010dn\u00e9. Vyzkou\u0161\u00edme pro n\u011b r\u016fzn\u00e9 modely a sestav\u00edme k\u0159ivky v\u00fdkonu.<\/p>\n

Jazyk:<\/b> R<\/p>\n

Datov\u00fd soubor\/Paketu:<\/b> Dataset transakc\u00ed s kartami<\/p>\n

11. Syst\u00e9m doporu\u010den\u00ed film\u016f<\/h3>\n

\nProzkoumejte implementaci nejlep\u0161\u00edho projektu Data Science se zdrojov\u00fdm k\u00f3dem \u2014 Syst\u00e9m doporu\u010den\u00ed film\u016f v jazyce R<\/a><\/noindex><\/p>\n

\"14
\n
\nV tomto projektu Data Science pou\u017eijeme R k proveden\u00ed doporu\u010den\u00ed film\u016f pomoc\u00ed strojov\u00e9ho u\u010den\u00ed. Syst\u00e9m doporu\u010den\u00ed zas\u00edl\u00e1 u\u017eivatel\u016fm n\u00e1vrhy prost\u0159ednictv\u00edm procesu filtrov\u00e1n\u00ed zalo\u017een\u00e9ho na preferenc\u00edch ostatn\u00edch u\u017eivatel\u016f a historii sledov\u00e1n\u00ed. Pokud se A a B l\u00edb\u00ed S\u00e1m doma a B m\u00e1 r\u00e1d D\u00edv\u010d\u00ed j\u00edzdu, m\u016f\u017eeme A doporu\u010dit \u2014 mohl by se mu to tak\u00e9 l\u00edbit. To umo\u017e\u0148uje klient\u016fm interagovat s platformou.<\/p>\n

Jazyk:<\/b> R<\/p>\n

Datov\u00fd soubor\/Paketu:<\/b> Dataset MovieLens<\/p>\n

12. Segmentace z\u00e1kazn\u00edk\u016f<\/h3>\n

\nUd\u011blejte dojem na zam\u011bstnavatele pomoc\u00ed projektu Data Science (v\u010detn\u011b zdrojov\u00e9ho k\u00f3du) \u2014 Segmentace z\u00e1kazn\u00edk\u016f pomoc\u00ed strojov\u00e9ho u\u010den\u00ed<\/a><\/noindex>.<\/p>\n

\"14
\n
\nSegmentace z\u00e1kazn\u00edk\u016f je popul\u00e1rn\u00ed aplikac\u00ed bez u\u010ditele (unsupervised learning)<\/a><\/noindex>. Pomoc\u00ed clusteringu spole\u010dnosti ur\u010duj\u00ed segmenty z\u00e1kazn\u00edk\u016f pro pr\u00e1ci s potenci\u00e1ln\u00edmi u\u017eivatelsk\u00fdmi z\u00e1kladnami. Rozd\u011bluj\u00ed z\u00e1kazn\u00edky do skupin podle spole\u010dn\u00fdch charakteristik, jako jsou pohlav\u00ed, v\u011bk, z\u00e1jmy a \u00fatraty, aby mohli efektivn\u011b prod\u00e1vat sv\u00e9 produkty ka\u017ed\u00e9 skupin\u011b. Budeme pou\u017e\u00edvat K-means clustering<\/a><\/noindex>, a tak\u00e9 vizualizovat rozd\u011blen\u00ed podle pohlav\u00ed a v\u011bku. Pot\u00e9 analyzujeme jejich ro\u010dn\u00ed p\u0159\u00edjmy a \u00farove\u0148 \u00fatraty.<\/p>\n

Jazyk:<\/b> R<\/p>\n

Datov\u00fd soubor\/Paketu:<\/b> Dataset Mall_Customers<\/p>\n

13. Klasifikace rakoviny prsu<\/h3>\n

\nPod\u00edvejte se na kompletn\u00ed realizaci projektu Data Science v Pythonu \u2014 Klasifikace rakoviny prsu pomoc\u00ed hlubok\u00e9ho u\u010den\u00ed<\/a><\/noindex>.<\/p>\n

\"14
\n
\nVr\u00e1t\u00edme se k l\u00e9ka\u0159sk\u00e9mu p\u0159\u00ednosu datov\u00e9 v\u011bdy a nau\u010d\u00edme se detekovat rakovinu prsu pomoc\u00ed jazyka Python. Pou\u017eijeme dataset IDC_regular k identifikaci invazivn\u00edho dukt\u00e1ln\u00edho karcinomu, co\u017e je nejb\u011b\u017en\u011bj\u0161\u00ed forma rakoviny prsu. Tento typ rakoviny se vyv\u00edj\u00ed v ml\u00e9\u010dn\u00fdch vodoch a pronik\u00e1 do okoln\u00ed vl\u00e1knit\u00e9 nebo tukov\u00e9 tk\u00e1n\u011b prsu. V r\u00e1mci t\u00e9to v\u011bdeck\u00e9 datov\u00e9 sb\u00edrky se nau\u010d\u00edme Deep Learning<\/a><\/noindex> a knihovnu Keras pro klasifikaci.<\/p>\n

Jazyk:<\/b> CouchDB<\/p>\n

Datov\u00fd soubor\/Paketu:<\/b> IDC_regular<\/p>\n

14. Rozpozn\u00e1v\u00e1n\u00ed dopravn\u00edch zna\u010dek<\/h3>\n

\nDos\u00e1hnout p\u0159esnosti v technologii autonomn\u00ed j\u00edzdy prost\u0159ednictv\u00edm projektu Data Science na rozpozn\u00e1v\u00e1n\u00ed dopravn\u00edch zna\u010dek pomoc\u00ed CNN<\/a><\/noindex> s otev\u0159en\u00fdm zdrojov\u00fdm k\u00f3dem.<\/p>\n

\"14
\n
\nDopravn\u00ed zna\u010dky a pravidla silni\u010dn\u00edho provozu jsou velmi d\u016fle\u017eit\u00e9 pro ka\u017ed\u00e9ho \u0159idi\u010de, aby se p\u0159ede\u0161lo nehod\u00e1m. Aby se pravidlo dodr\u017eovalo, je nejprve pot\u0159eba pochopit, jak dopravn\u00ed zna\u010dka vypad\u00e1. \u010clov\u011bk se mus\u00ed nau\u010dit v\u0161echny dopravn\u00ed zna\u010dky, ne\u017e mu budou ud\u011blena \u0159idi\u010dsk\u00e1 pr\u00e1va. V sou\u010dasnosti v\u0161ak po\u010det autonomn\u00edch vozidel roste a v bl\u00edzk\u00e9 budoucnosti u\u017e \u010dlov\u011bk nebude auto \u0159\u00eddit. V r\u00e1mci projektu 'Rozpozn\u00e1v\u00e1n\u00ed dopravn\u00edch zna\u010dek' se nau\u010d\u00edte, jak m\u016f\u017ee program rozpoznat typ dopravn\u00ed zna\u010dky, kdy\u017e p\u0159ijme obr\u00e1zek jako vstup. Dataset pro rozpozn\u00e1v\u00e1n\u00ed dopravn\u00edch zna\u010dek v N\u011bmecku (GTSRB) se pou\u017e\u00edv\u00e1 k vytvo\u0159en\u00ed hlubok\u00e9 neuronov\u00e9 s\u00edt\u011b pro rozpozn\u00e1v\u00e1n\u00ed t\u0159\u00eddy, do kter\u00e9 dopravn\u00ed zna\u010dka pat\u0159\u00ed. Tak\u00e9 vytvo\u0159\u00edme jednoduch\u00e9 grafick\u00e9 rozhran\u00ed pro interakci s aplikac\u00ed.<\/p>\n

Jazyk:<\/b> CouchDB<\/p>\n

Dataset:<\/b> GTSRB (N\u011bmeck\u00e1 z\u00e1kladna pro rozpozn\u00e1v\u00e1n\u00ed dopravn\u00edch zna\u010dek)<\/p>\n

\u010c\u00edst d\u00e1l<\/h3>\n

<\/p>\n