Obrada informacija

Ishodi učenja

  1. Identificirati i objasniti osnovne tehnike obrade signala
  2. Identificirati i objasniti osnovne tehnike strojnog učenja
  3. Identificirati i objasniti osnovne tehnike obrade i analize slike
  4. Identificirati i objasniti osnovne tehnike analize teksta
  5. Identificirati i objasniti osnovne tehnike analize govornih signala
  6. Identificirati i objasniti osnovne tehnike računalnih financija
  7. Identificirati i objasniti osnovne tehnike bioinformatike
  8. 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.

Laboratorij

Laboratorijske 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 0 % 20 % 0 % 0 %
Međuispit: Pismeni 50 % 40 % 0 %
Završni ispit: Pismeni 50 % 40 %
Ispit: Pismeni 50 % 100 %

Tjedni plan nastave

  1. Definicija problema
  2. Prednosti i nedostaci
  3. Zadatci i primjene strojnog učenja, Prisutpi i paradigme strojnog učenja, Hipoteze. model. prostor parametra. prostor inačica
  4. Induktivno učenje i induktivna pristranost. pristranost jezika i pristranost preferencije, Funkcija gubitka i funkcija pogreške, Prenaučenost i odabir morela. minimizacija empirijskog i strukturnog rizika
  5. Perceptron (paradigme učenja, hebbovsko učenje, natjecateljsko učenje, Boltzmannovo učenje), Višeslojan perceptron (propagiranje pogreške unazad, problem dodjele nagrade, propagiranje pogreške unazad kroz vrijeme), Samoorganizirajuće mreže (hebbovsko nendzirano učenje, Ojaovo pravilo učenja, PCA pomoću samoorganizirajućih mreža, Sangerovo pravilo učenja, natjecateljsko nenadzirano učenje, mreže pobjednik-uzima-sve, Kohonenove samoorganizirajuće mape), Mreže radijalnih baznih funkcija (rješavanje problema interpolacije pomoću mreža radijalnih bazni funkcija, mreže poopćenih radijalnih baznih funkcija, odnos naspram teorije regularizacije)
  6. Povratne neuronske mreže (Hopfieldova mreža, Boltzmannov stroj, Elmanova mreža, Jordanova mreža) i algoritmi učenja (propagacija pogreške unazad kroz vrijeme, povratna propagacija unazad), Mrežni sklopovi (odborni strojevi, kombiniranje eksperata, konvulcijske neuronske mreže), Pulsni neuronski model i pulsna neuronska mreža
  7. Parametarski modeli; procjena parametara, Vektori značajki govora, Kepstralna analiza, Homomorfna analiza
  8. Međuispit
  9. Definicija, Termini, Primjeri realnih mreža i njihova svojstva
  10. Klasifikacija u računalnim financijama, Modeliranje u računalnim financijama
  11. Klasifikacija i označavanje dokumenata, Grupiranje dokumenata, Ekstrakcija tekstnih informacija (imenovani entiteti. ključne fraze. relacije. itd.), Otkrivanje i praćenje događaja, Sažimanje dokumenata. sažimanje više dokumenata, Modeli latentne semantike dokumenata (LSI. LDA), Tekstna sličnost. parafraze. i logička posljedica
  12. Svjetlosni i EM spektar, Ljudski vizualni sustav, Prikupljanje slika i kvantizacija, Diskretna geometrija, 2D linearni sustavi, Senzori slike, Osnovne operacije za obradu slike, Područja primjene
  13. Definicija problema, Izvlačenje značajki, Segmentacija slike, Analiza teksture, Analiza oblika, Analiza pokreta
  14. Proteini. RNA i DNA, Biološki slijedovi i strukture, Bioinformatičke baze podataka, Formati podataka
  15. Završni ispit

Studijski programi

Sveučilišni preddiplomski
Elektrotehnika i informacijska tehnologija (studij)
Izborni predmeti (5. semestar)
Računarstvo (studij)
Izborni predmeti (5. semestar)

Literatura

S. Lončarić, D. Seršić, M. Subašić (2008.), Obrada informacija: materijali za predavanja, FER, elektronička publikacija
T. Petković, D. Seršić, S. Lončarić (2008.), Obrada informacija: Upute za laboratorijske vježbe, FER, elektronička publikacija
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

Izvedba

ID 183369
  Zimski semestar
5 ECTS
R3 Engleski jezik
R1 E-učenje
45 Predavanja
0 Auditorne vježbe
15 Laboratorijske vježbe
0 Konstrukcijske vježbe

Ocjenjivanje

87 izvrstan
75 vrlo dobar
65 dobar
56 dovoljan