FESB NASTAVA
Loading...
    Diplomski
    250 Računarstvo
    1. semestar
    Nema predmeta

    Uvod u podatkovnu znanost

    (FELK43)
    2024/25 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.