Laboratorij računarske znanosti 1

Opis predmeta

Ovaj predmet sadrži laboratorijske vježbe iz teoretskih predmeta profila, laboratorij iz nekih specijalističkih predmeta profila, kao i suvremene vještine korištenja različitih programskih i drugih alata. Laboratorijski zadaci podijeljeni su u tri grupe problema oblikovanih prema nastavnim cjelinama pokrivenih na predavanjima. Rad obuhvaća izravno upoznavanje s: (A) specifikacijom, verifikacijom i oblikovanjem naprednih algoritama, (B) rješavanje problema i razjašnjenje uporabe linearnih i nelinearnih klasifikatora (neuronskih mreža, SVM, Bayesovog klasifikatora, primjena KL transformacije i FLD u izlučivanju značajki, itd.).

Opće kompetencije

Dubinsko razumijevanje principa, te teorijska osnovica proširena praktičnom implementacijom naprednih algoritama i struktura podataka, poznavanje internih detalja operacijskih sustava i problema strojnog učenja te raspoznavanja uzoraka. Sposobnost za analizu, oblikovanje, modeliranje i simulaciju, te eksperimentalnu provjeru. Sposobnost oblikovanja i rješavanja novih, nedovoljno definiranih problema s kompetitivnim specifikacijama. Sposobnost formulacije i kritičke evaluacije problema.

Ishodi učenja

  1. objasniti i definirati pojmove iz raspoznavanja uzoraka, naprednih algoritama i struktura podataka te strojnog učenja
  2. objasniti i razlikovati postupke, metode i algoritme u području raspoznavanja uzoraka, naprednih algoritama i struktura podataka te strojnog učenja
  3. primijeniti metode iz raspoznavanja uzoraka, naprednih algoritama i struktura podataka te strojnog učenja u novim složenim aplikacijama
  4. analizitati i raščlaniti problem složenih sustava uz primjenu koncepata raspoznavanja uzoraka, naprednih algoritama i struktura podataka te strojnog učenja
  5. dizajnirati i razviti sustav za određenu aplikaciju
  6. ocijeniti kvalitetu rješenja sustava

Oblici nastave

Konzultacije

Konzultacije se održavaju prema potrebi.

Seminari

Grupe od četiri do sedam studenata dobivaju projektni zadatak koji timski rješavaju i programski implementiraju sustav te provode njegovu evaluaciju.

Način ocjenjivanja

Kontinuirana nastava Ispitni rok
Vrsta provjere Prag Udio u ocjeni Napomena / komentar Udio u ocjeni
Seminar/Projekt 0 % 100 % 0 % 0 %
Ispit: Usmeni 100 %

Tjedni plan nastave

  1. Definiranje projektnih zadataka
  2. Rad na projektima
  3. Rad na projektima
  4. Rad na projektima. Konzultacije.
  5. Prva kontrolna točka
  6. Rad na projektima
  7. Rad na projektima
  8. Rad na projektima. Konzultacije.
  9. Rad na projektima
  10. Druga kontrolna točka
  11. Rad na projektima
  12. Rad na projektima
  13. Rad na projektima
  14. Rad na projektima
  15. Obrana projekta i prezentacija rezultata

Studijski programi

Računarska znanost -> Računarstvo (Profil)

Literatura

R.O. Duda, P. E. Hart, D.G. Stork (2001.), Pattern Classification, J. Wiley, New York
M.A. Weiss (1996.), Data Structures and Algorithm Analysis in C, Addison Wesley
T. Mitchell (1997.), Machine Learning, McGraw-Hill Science/Engineering/Math

Bodovi i izvedba

5 ECTS
R1 Engleski jezik
R1 E-učenje
30 Predavanja
0 Auditorne vježbe
60 Laboratorijske vježbe

Ocjenjivanje

89 izvrstan
74 vrlo dobar
61 dobar
50 dovoljan

Sličan predmet na srodnim sveučilištima