Obrada informacija
Prikazani su podaci za akademsku godinu: 2023./2024.
Predavanja
Laboratorijske vježbe
Opis predmeta
Kroz kolegij će studentima biti dan pregled osnovnih tehnika obrade informacija te pregled nekoliko područja primjene s pripadajućim karakterističnim postupcima obrade podataka. Studenti će se upoznati s vremenskom, frekvencijskom i vremensko frekvencijskom analizom signala, osnovnim postupcima strojnog učenja uz poseban naglasak na umjetne neuronske mreže. Odabrana područja primjene obrade informacija uključuju: obradu i analizu govornih signala, obradu i analizu slika, bioinformatiku i računalne financije.
Studijski programi
Sveučilišni preddiplomski
Izborni predmeti (5. semestar)[FER3-HR] Računarstvo - studij
Izborni predmeti
(5. semestar)
[FER2-HR] Obradba informacija - modul
(5. semestar)
Ishodi učenja
- Identificirati i objasniti osnovne tehnike obrade signala
- Identificirati i objasniti osnovne tehnike strojnog učenja
- Identificirati i objasniti osnovne tehnike obrade i analize slike
- Identificirati i objasniti osnovne tehnike analize teksta
- Identificirati i objasniti osnovne tehnike analize govornih signala
- Identificirati i objasniti osnovne tehnike računalnih financija
- Identificirati i objasniti osnovne tehnike bioinformatike
- Identificirati i objasniti osnovne tehnike kompleksnih mreža
Oblici nastave
Predavanja
Predavanja se odvijaju u predavaoni s jednim predavačem koji je ekspert za konkretnu temu. Predavanje je koncipirano kao interaktivno, a od studenata se očekuje da sudjeluju u diskusiji.
SeminariLaboratorijske vježbe održavaju se u laboratorijima opremljenim s računalima. Tijekom vježbi studenti isprobavaju teorijske koncepte te ih primjenjuju na konkretne probleme
Način ocjenjivanja
Kontinuirana nastava | Ispitni rok | |||||
---|---|---|---|---|---|---|
Vrsta provjere | Prag | Udio u ocjeni | Prag | Udio u ocjeni | ||
Laboratorijske vježbe | 50 % | 18 % | 50 % | 18 % | ||
Međuispit: Pismeni | 50 % | 40 % | 0 % | |||
Završni ispit: Pismeni | 50 % | 42 % | ||||
Ispit: Pismeni | 50 % | 82 % |
Tjedni plan nastave
- Uvod. Osnovni pojmovi.
- Vremenski kontinuirani Fourierov red. Uvod u obradu signala u Pythonu. Primjena na vodostaju rijeke.
- Diskretna Fourierova transformacija. Fourierova transformacija na vremenskom otvoru. Valićna transformacija. Primjena na vodostaju rijeke.
- Uvod u bioinformatiku. Tipovi podataka u bioinformatici. Algoritmi poravnanja.
- Prikaz sekvenci DNA kao signal. Konvolucija signala kao mjera sličnosti. MAFFT algoritam, određivanja sličnosti sekvenci pomoću brze Fourierove transformacije.
- Skriveni Markovljevi modeli (HMM) i njihova primjena za modeliranje vremenskih serija; Modeli s diskretnim observacijama. Evaluacija izvjesnosti niza observacija za zadani model (algoritam unaprijed i algoritam unazad).
- Skriveni Markovljevi modeli (HMM) - nalaženje najizvjesnijeg slijeda skrivenih stanja (Viterbi algoritam); Određivanje optimalnih parametara HMM modela za višestruke observacijske nizove (treniranje modela).
- Međuispit
- Uvod u kvantitativne financije. Tipovi podataka u financijama. Osnovna svojstva financijskih vremenskih nizova.
- Uvod u analizu multivarijatnih podataka. Analiza glavnih komponenti. Primjene u kvantitativnim financijama.
- Analiza digitalnih slika. Problem detekcije objekata. Osnove funkcioniranja i treniranja umjetnih neuronskih mreža.
- Posebnosti i praktični aspekti postupka treniranja neuronskih mreža. Klasifikacija ulaznih uzoraka. Detekcija objekata neuronskim mrežama.
- Podaci, signali, sustavi te invarijante i simetrije. Profilometrija projiciranjem pruga.
- Registracija i postupak iterativne najbliže točke (ICP).
- Završni ispit
Literatura
James H. McClellan, Ronald Schafer, Mark Yoder (2015.), Signal Processing First, Pearson College Division
Rafael C. Gonzalez, Richard Eugene Woods (2008.), Digital Image Processing, Prentice Hall
Za studente
Izvedba
ID 183369
Zimski semestar
5 ECTS
R1 Engleski jezik
R1 E-učenje
45 Predavanja
0 Seminar
0 Auditorne vježbe
15 Laboratorijske vježbe
0 Konstrukcijske vježbe
0 Vježbe tjelesnog odgoja
Ocjenjivanje
87 izvrstan
75 vrlo dobar
64 dobar
50 dovoljan