FESB NASTAVA
Loading...
    Diplomski
    250 Računarstvo
    1. semestar
    Preddiplomski
    Diplomski
    Poslijediplomski
    Stručni
    Razlikovni
    110 Elektrotehnika i informacijska tehnologija
    111 Automatika i sustavi
    112 Elektronika i računalno inženjerstvo
    113 Elektrotehnika
    114 Komunikacijska i informacijska tehnologija
    120 Računarstvo
    130 Strojarstvo
    140 Brodogradnja
    150 Industrijsko inženjerstvo
    210 Automatika i sustavi
    220 Elektronika i računalno inženjerstvo
    221 Elektronika
    222 Računalno inženjerstvo
    230 Elektrotehnika
    231 Automatizacija i pogoni
    232 Elektroenergetski sustavi
    241 Bežične komunikacije
    242 Telekomunikacije i informatika
    250 Računarstvo
    261 Konstrukcijsko-energetsko strojarstvo
    262 Računalno projektiranje i inženjerstvo
    263 Proizvodno strojarstvo
    270 Industrijsko inženjerstvo
    271 Proizvodni management
    272 Upravljanje životnim ciklusom proizvoda
    280 Brodogradnja
    310 Elektrotehnika i informacijska tehnologija
    330 Strojarstvo
    510 Elektrotehnika
    511 Elektroenergetika
    512 Elektronika
    530 Strojarstvo
    540 Brodogradnja
    550 Računarstvo
    910 Automatika i sustavi
    920 Elektronika i računalno inženjerstvo
    930 Elektrotehnika
    940 Komunikacijska i informacijska tehnologija
    950 Računarstvo
    960 Strojarstvo
    970 Brodogradnja
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    5. semestar
    6. semestar
    5. semestar
    6. semestar
    5. semestar
    6. semestar
    5. semestar
    6. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    5. semestar
    6. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    5. semestar
    6. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    5. semestar
    6. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    5. semestar
    6. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    3. semestar
    4. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    2. semestar
    3. semestar
    4. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    3. semestar
    4. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    5. semestar
    6. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    5. semestar
    6. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    5. semestar
    6. semestar
    3. semestar
    4. semestar
    5. semestar
    6. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    5. semestar
    6. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    5. semestar
    6. semestar
    1. semestar
    2. semestar
    3. semestar
    4. semestar
    5. semestar
    6. semestar
    1. semestar
    2. semestar
    1. semestar
    2. semestar
    1. semestar
    2. semestar
    1. semestar
    2. semestar
    1. semestar
    2. semestar
    1. semestar
    2. semestar
    1. semestar
    2. semestar
    Nema predmeta
      Upit treba biti dulji od 1 znaka...
      Nema rezultata
      U polje za pretragu upišite naziv ili kôd predmeta koji želite pronaći
      • nema koda:
      • Uvod u podatkovnu znanost

        (FELK43)
        2022/23 godina
        preduvjeti za upis
        nema
        ciljevi predmeta

        Prikupljanje velike količine podataka, njegovo pročišćavanje, parsiranje i pripreme za analizu; Poznavanje i primjenu metoda i tehnika u podatkovnoj znanosti; Izvještavanje o rezultatima analize korištenjem tehnika vizualizacije te sažete interpretacije rezultata

        očekivani ishodi učenja

        Studenti će nakon uspješno savladanog predmeta moći:
        1. Upotrebljavati alata za prikupljanje, pročišćavanje i parsiranje podataka
        2. Koristiti tehnike upravljanja podataka za spremanje podataka lokalno i u oblak
        3. Primijeniti postupke pripreme podataka i vizualizacije podataka
        4. Analizirati skupove podataka s nizom statističkih, grafičkih alata i alata za strojno učenje
        5. Interpretirati i objasniti rezultate statističke analize podataka
        6. Koristiti računalnu arhitekturu koja podržava podatkovno-intenzivno računanje

        nositelji predmeta
        nastava i predavači
         
        Predavanja
        30 sati
        2 sata tjedno × 15 tjedana
         
        Laboratorijske vježbe
        30 sati
        2 sata tjedno × 15 tjedana
        sadržaj

        1. Uvodno predavanje
        2. Rukovanje podacima
        3. Vizualizacija podataka
        4. Opisivanje podataka
        5. Regresijska analiza
        6. Prikupljanje podataka promatranjem
        7. Primijenjeno nadzirano učenje
        8. Primijenjeno strojno učenje
        9. Primijenjeno nenadzirano učenje
        10. Rad sa tekstom
        11. Rad sa grafovima i mrežama
        12. Prezentacija projekata
        13. Priprema za ispit

        preporučena literatura
        • Nastavni slideovi Uvod u podatkovnu znanost

        dopunska literatura
        • Jacob T. Vanderplas, Jake VanderPlas (2016.), Python Data Science Handbook, O'Reilly Media

        • Matt Harrison, Theodore Petrou (2020.), Pandas 1.x Cookbook, Packt Publishing Ltd

        • Alice Zheng, Amanda Casari (2018.), Feature Engineering for Machine Learning, "O'Reilly Media, Inc."

        jezik poduke
        prazno
        način praćenja kvalitete i uspješnosti izvedbe svakog predmeta i/ili modula
        prazno
        ispit (način polaganja, ispitni rokovi)

        Tijekom semestra biti će održana dva međuispita (kolokvija) prema kalendaru nastave ili će biti podijeljeni seminarski radovi a ovisno o dogovoru sa studentima.

        Uvjet za pozitivnu ocjenu je 45% bodova na svakom međuispitu (seminaru), ili iz svakog dijela gradiva na završnom ispitu te pozitivna ocjena iz laboratorijskih vježbi. Uvjet za pozitivnu ocjenu na popravnom ispitu je 50% ukupnog broja bodova.

        Svaki međuispit se sastoji od 4 pitanja, završni ispit sastoji se od 6 pitanja podijeljenih u dvije skupine. Uvjet za polaganje ispita je 50% bodova od ukupnog broja pitanja.

        U konačnoj ocjeni, svaki kolokvij sudjeluje s maksimalno 30% (seminar 60%), a laboratorijske vježbe s maksimalno 40% od ukupno maksimalno mogućeg broja bodova (30%+30%+40%).

        Konačna ocjena slijedi iz na taj način dobivenog postotka i to:
        Za postotak Ocjena
        50% do 62% dovoljan (2)
        63% do 75% dobar (3)
        76% do 88% vrlo dobar (4)
        89% do 100% izvrstan (5)

        Studenti koji ne polože ispit preko kolokvija polažu cjeloviti ispit pod istim uvjetima, a konačnu ocjenu se i u ovom slučaju izračunava kao suma postignutih postotaka ispita (maksimalno 60%) i laboratorijskih vježbi (40%).

          Nastavne jedinice za Predavanja Broj sati
        1.

        Uvodno predavanje

        2 sata
        2.

        Rukovanje podacima

        2 sata
        3.

        Vizualizacija podataka

        2 sata
        4.

        Opisivanje podataka

        2 sata
        5.

        Regresijska analiza

        2 sata
        6.

        Prikupljanje podataka promatranjem

        2 sata
        7.

        Primijenjeno nadzirano učenje

        2 sata
        8.

        Primijenjeno strojno učenje

        3 sata
        9.

        Primijenjeno nenadzirano učenje

        2 sata
        10.

        Rad sa tekstom

        4 sata
        11.

        Rad sa grafovima i mrežama

        2 sata
        12.

        Prezentacija projekata

        3 sata
        13.

        Priprema za ispit

        2 sata
          Nastavne jedinice za Laboratorijske vježbe Broj sati
        1.

        Uvod u alate za podatkovnu znanost

        3 sata
        2.

        Rukovanje podacima korištenjem uz python

        3 sata
        3.

        Vizualizacija podataka sa interneta uz python

        3 sata
        4.

        Statistička analiza podataka

        3 sata
        5.

        Deskriptivna regresijska analiza

        3 sata
        6.

        Nadzirano učenje

        3 sata
        7.

        Strojno učenje

        3 sata
        8.

        Nenadzirano učenje

        3 sata
        9.

        Rad sa tekstom

        3 sata
        10.

        Nadoknada vježbi

        3 sata
        Niste više prijavljeni

        Istekla vam je prethodna prijava te se morate ponovno prijaviti.

        Nastao je problem u radu sustava

        Informacije o problemu smo pohranili i nastojat ćemo ga riješiti. Ako vas ova greška sprječava da obavite nešto važno, možete nas odmah kontaktirati na helpdesk@fesb.hr.

        Vaš preglednik nije podržan

        Koristite web preglednik koji nije podržan. Za puno korisničko iskustvo, preuzmite najnoviju inačicu vašeg preglednika.