Laboratorij računarske znanosti 1
Prikazani su podaci za akademsku godinu: 2023./2024.
Nositelji
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.).
Studijski programi
Sveučilišni diplomski
[FER2-HR] Računarska znanost - profil
(1. semestar)
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
- objasniti i definirati pojmove iz raspoznavanja uzoraka, naprednih algoritama i struktura podataka te strojnog učenja
- objasniti i razlikovati postupke, metode i algoritme u području raspoznavanja uzoraka, naprednih algoritama i struktura podataka te strojnog učenja
- primijeniti metode iz raspoznavanja uzoraka, naprednih algoritama i struktura podataka te strojnog učenja u novim složenim aplikacijama
- analizitati i raščlaniti problem složenih sustava uz primjenu koncepata raspoznavanja uzoraka, naprednih algoritama i struktura podataka te strojnog učenja
- dizajnirati i razviti sustav za određenu aplikaciju
- ocijeniti kvalitetu rješenja sustava
Oblici nastave
Konzultacije
Konzultacije se održavaju prema potrebi.
SeminariGrupe 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 | Prag | Udio u ocjeni | ||
Seminar/Projekt | 0 % | 100 % | 0 % | 0 % | ||
Ispit: Usmeni | 100 % |
Tjedni plan nastave
- Definiranje projektnih zadataka
- Rad na projektima
- Rad na projektima
- Rad na projektima. Konzultacije.
- Prva kontrolna točka
- Rad na projektima
- Rad na projektima
- Rad na projektima. Konzultacije.
- Rad na projektima
- Druga kontrolna točka
- Rad na projektima
- Rad na projektima
- Rad na projektima
- Rad na projektima
- Obrana projekta i prezentacija rezultata
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
Za studente
Izvedba
ID 35224
Zimski semestar
5 ECTS
R1 Engleski jezik
R1 E-učenje
30 Predavanja
0 Seminar
0 Auditorne vježbe
60 Laboratorijske vježbe
0 Konstrukcijske vježbe
0 Vježbe tjelesnog odgoja
Ocjenjivanje
89 izvrstan
74 vrlo dobar
61 dobar
50 dovoljan