Dubinska analiza podataka

Ishodi učenja

  1. identificirati sve potencijalne nedostatke analiziranog skupa podataka
  2. ocijeniti prikladnost korištenog niza metoda strojnog učenja u različitim područjima primjene
  3. kombinirati postupke odabira značajki na zadanom problemu
  4. analizirati zadani skup podataka koristeći prikladni niz metoda strojnog učenja u barem jednom postojećem programskom alatu
  5. razviti vlastitu programsku potporu za analizu određenog skupa podataka
  6. klasificirati tehnike strojnog učenja prema tipu problema koji rješavaju
  7. analizirati vremenske nizove podataka iz različitih domena tehnikama prediktivne analitike
  8. kreirati objašnjive modele strojnog učenja kako bi se olakšalo donošenje odluke u određenoj domeni

Oblici nastave

Predavanja

Uživo ili online

Samostalni zadaci

Projekt iz dubinske analize podataka

Način ocjenjivanja

Kontinuirana nastava Ispitni rok
Vrsta provjere Prag Udio u ocjeni Prag Udio u ocjeni
Seminar/Projekt 40 % 60 % 40 % 60 %
Završni ispit: Pismeni 40 % 40 %
Ispit: Pismeni 40 % 40 %

Tjedni plan nastave

  1. Admininstracija predmeta. Uvod u dubinsku analizu podataka. Opis opsega područja. Literatura.
  2. Priprema podataka za dubinsku analizu podataka. Projekt.
  3. Transformacije podataka i ekstrakcija značajki. Projekt.
  4. Odabir značajki (filterske metode, metode omotača, ugrađene metode, hibridne metode), smanjenje dimenzionalnosti. Projekt.
  5. Problemi skupova podataka i njihova rješenja: nebalansirani podaci, pomak koncepta u podacima. Projekt.
  6. Strojno učenje s jasnim tumačenjem: sustavi zasnovani na induktivnim pravilima. Projekt.
  7. Strojno učenje s nejasnim ili djelomičnim tumačenjem: grupiranje podataka, ansambli. Projekt.
  8. -
  9. Pronalaženje čestih obrazaca, asocijativna pravila. Projekt.
  10. Dubinska analiza vremenskih nizova: predobrada i klasifikacijski postupci. Projekt.
  11. Dubinska analiza vremenskih nizova: prediktivni algoritmi i detekcija značajnih događaja. Projekt.
  12. Duboko učenje u dubinskoj analizi podataka. Projekt.
  13. Specifičnosti primjene dubinske analize podataka u više područja: biomedicina, računska biologija, financije. Predaja projekta.
  14. Prezentacije projekta
  15. Završni ispit

Studijski programi

Sveučilišni diplomski
Audiotehnologije i elektroakustika (profil)
Slobodni izborni predmeti (2. semestar)
Automatika i robotika (profil)
Slobodni izborni predmeti (2. semestar)
Elektroenergetika (profil)
Slobodni izborni predmeti (2. semestar)
Elektroničko i računalno inženjerstvo (profil)
Slobodni izborni predmeti (2. semestar)
Elektronika (profil)
Slobodni izborni predmeti (2. semestar)
Elektrostrojarstvo i automatizacija (profil)
Slobodni izborni predmeti (2. semestar)
Informacijsko i komunikacijsko inženjerstvo (profil)
Slobodni izborni predmeti (2. semestar)
Komunikacijske i svemirske tehnologije (profil)
Slobodni izborni predmeti (2. semestar)
Programsko inženjerstvo i informacijski sustavi (profil)
Izborni predmet profila (2. semestar)
Računalno inženjerstvo (profil)
Slobodni izborni predmeti (2. semestar)
Računalno modeliranje u inženjerstvu (profil)
Slobodni izborni predmeti (2. semestar)
Računarska znanost (profil)
Izborni predmeti profila (2. semestar)
Znanost o mrežama (profil)
Slobodni izborni predmeti (2. semestar)
Znanost o podacima (profil)
Izborni predmeti profila (2. semestar)

Literatura

(.), Witten IH, Frank E, Hall MA, Pal CJ. Data Mining: Practical Machine Learning Tools and Techniques. 4th ed. Morgan Kaufmann, 2016.,
(.), Fuernkranz J, Gamberger D, Lavrač N. Foundations of Rule Learning. Heidelberg : Springer, 2012,
(.), James G, Witten D, Hastie T, Tibshirani R. An Introduction to Statistical Learning: with Applications in R. Springer, 2014.,
(.), Raschka S, Mirjalili V. Python Machine Learning. 2nd ed. Packt Publishing, Birmingham UK, 2017.,
(.), Ryza S, Laserson U, Owen S, Wills J. Advanced Analytics with Spark: Patterns for Learning from Data at Scale. 2nd ed. O'Reilly Media, Sebastopol CA, USA, 2017.,
(.), Mitchell, R. Web Scraping with Python: Collecting more data from the Modern Web. 2nd ed. O'Reilly Media, Sebastopol CA, USA, 2018.,

Za studente

Izvedba

ID 222562
  Ljetni semestar
5 ECTS
R3 Engleski jezik
R1 E-učenje
45 Predavanja
18 Laboratorijske vježbe

Ocjenjivanje

88 izvrstan
75 vrlo dobar
63 dobar
50 dovoljan