Popis predmeta

Opis predmeta

Cilj kolegija jest osposobiti studenta za korištenje programskog jezika R uz naglasak na rješavanje realnih problema i praktičnu primjenu. R je specifičan programski jezik prilagođen eksploratornoj, statističkoj i dubinskoj analizi podatkovnih skupova. Po svojoj prirodi nalazi se na razmeđi između klasičnih programskih jezika kao što su Python, Java ili C++ i statističkih alata kao što su SAS ili SPSS. Uz interaktivni pristup, ali i mogućnost pisanja složenijih programskih skripti, R se danas nametnuo kao jedan od vodećih analitičkih programskih jezika s kojim se uz pomoć pratećih paketa na vrlo učinkovit način mogu provesti složene analize podatkovnih skupova te stvoriti izvještaji popraćeni kompleksnim vizualizacijama i izračunima. Svladavanje jezika R zahtjeva specifičnu kombinaciju programskih vještina, poznavanja osnova statistike, ali i izvjesnu kreativnost i spremnost na izazove.

Ishodi učenja

  1. analizirati manje i veće podatkovne skupove na smislen i organizirani način
  2. prepoznati prirodu podataka i pristup njihovoj obradi
  3. koristiti interaktivni programski pristup analize podataka
  4. modificirati sirove podatke u oblik pogodan za analizu
  5. pripremiti složenije programske skripte i pakete u programskom jeziku R
  6. primijeniti metode strojnog učenja u programskom okruženju
  7. primijeniti metodologiju izrada izvještaja

Oblici nastave

Predavanja

Predavanja uz pomoć kombinacije prezentacija i interaktivne demonstracije rada u programskom jeziku R uz opcionalno izvođenje primjera na vlastitim računalima

On line u cijelosti

Pisanje programskih skripti u jeziku R, programskih analiza podatkovnih skupova, primjena metoda strojnog učenja u jeziku R, pisanje izvještaja.

Samostalni zadaci

Konzultacije u dogovorenom terminu ili preko elektroničke pošte.

Programske vježbe

Analiza danih podatkovnih skupova i priprema izvještaja

E-učenje

Rješavanje elektroničkih radnih bilježnica u RMD formatu u alatu RStudio

Način ocjenjivanja

Kontinuirana nastava Ispitni rok
Vrsta provjere Prag Udio u ocjeni Prag Udio u ocjeni
Laboratorijske vježbe 10 % 20 % 0 % 0 %
Domaće zadaće 5 % 10 % 0 % 0 %
Sudjelovanje u nastavi 0 % 5 % 0 % 0 %
Seminar/Projekt 5 % 20 % 0 % 0 %
Prisutnost 0 % 5 % 0 % 0 %
Međuispit: Pismeni 5 % 15 % 0 %
Završni ispit: Pismeni 10 % 25 %

Tjedni plan nastave

  1. Uvod u programski jezik R; usporedba jezika R sa ostalim programskim jezicima; pregled osnovnih alata i razvojnih sučelja; upoznavanje sa konceptima izvođenja predmeta
  2. Osnovni tipovi podataka i operatori; kompleksne podatkovne strukture: vektori, matrice, podatkovni okviri i liste
  3. Uvod u faktore; mehanizmi kontrole toka; objektno orijentirani principi jezika R
  4. Rad sa paketima, ugrađenim funkcijama i okolinama
  5. Korisnički definirane funkcije; porodica funkcija apply
  6. Operator cjevovoda; principi urednih podataka; rad sa datumima i znakovnim nizovima
  7. Prilagodba i transformacija podataka; upoznavanje s paketom dplyr
  8. 1. međuispit
  9. 1. međuispit
  10. Eksploratorna analiza i vizualizacija podataka: grafička gramatika; uvod u paket ggplot2
  11. Eksploratorna analiza i vizualizacija podataka: napredne vizualizacijske metode; izrada izvještaja (tehnologija R Markdown)
  12. Statističko programiranje; rad sa razdiobama; simulacije
  13. Deskriptivna i inferencijalna statistika u jeziku R
  14. Odabrane metode strojnog učenja - praktični primjeri u jeziku R: regresija (jednostavna linearna regresija, multipla linearna regresija, odabir varijabli)
  15. Odabrane metode strojnog učenja - praktični primjeri u jeziku R: klasifikacija (logistička regresija, kNN klasifikacija)

Studijski programi

Sveučilišni preddiplomski
Automatika (modul)
Vještine - 5. semestra (5. semestar)
Bežične komunikacijske tehnologije (modul)
Vještine - 5. semestra (5. semestar)
Elektroenergetika (modul)
Vještine - 5. semestra (5. semestar)
Elektroničko i računalno inženjerstvo (modul)
Vještine - 5. semestra (5. semestar)
Elektronika (modul)
Vještine - 5. semestra (5. semestar)
Elektrotehnika i informacijska tehnologija (studij)
Vještine - 3. semestar (3. semestar) Vještine - 3. semestra (3. semestar) Vještine - 5. semestar (5. semestar)
Obradba informacija (modul)
Vještine - 5. semestra (5. semestar)
Programsko inženjerstvo i informacijski sustavi (modul)
Vještine - 5. semestra (5. semestar)
Računalno inženjerstvo (modul)
Vještine - 5. semestra (5. semestar)
Računarska znanost (modul)
Vještine - 5. semestra (5. semestar)
Računarstvo (studij)
Vještine - 3. semestar (3. semestar) Vještine - 3. semestra (3. semestar) Vještine - 5. semestar (5. semestar)
Telekomunikacije i informatika (modul)
Vještine - 5. semestra (5. semestar)
Sveučilišni diplomski
Automatika (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Bežične komunikacijske tehnologije (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Elektroenergetika (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Elektroničko i računalno inženjerstvo (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Elektronika (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Elektrotehnički sustavi i tehnologija (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Elektrotehnika i informacijska tehnologija (studij)
Vještine - dipl.studij_FER3 - 1. semestar (1. semestar)
Informacijska i komunikacijska tehnologija (studij)
Vještine - dipl.studij_FER3 - 1. semestar (1. semestar)
Obradba informacija (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Programsko inženjerstvo i informacijski sustavi (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Računalno inženjerstvo (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Računarska znanost (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Računarstvo (studij)
Vještine - dipl.studij_FER3 - 1. semestar (1. semestar)
Telekomunikacije i informatika (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)

Literatura

Hadley Wickham, Garrett Grolemund (2016.), R for Data Science, "O'Reilly Media, Inc."
Jared Lander (2013.), R for Everyone, Addison-Wesley Professional
David Diez, Christopher Barr, Mine Çetinkaya-Rundel (2015.), OpenIntro Statistics,
Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani (2013.), An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics), Springer
Jiawei Han, Jian Pei, Micheline Kamber (2011.), Data Mining: Concepts and Techniques, Elsevier

Nositelji

Izv. prof. dr. sc.
Damir Pintar
Izv. prof. dr. sc.
Mihaela Vranić

Laboratorijske vježbe

Izv. prof. dr. sc.
Damir Pintar
Izv. prof. dr. sc.
Mihaela Vranić

Za studente

Izvedba

ID 147661
  Zimski semestar
4 ECTS
R3 Engleski jezik
R3 E-učenje
30 Predavanja
15 Laboratorijske vježbe

Ocjenjivanje

87,5 izvrstan
75 vrlo dobar
62,5 dobar
50 dovoljan

Sličan predmet

Opis predmeta

Cilj kolegija jest osposobiti studenta za korištenje programskog jezika R uz naglasak na rješavanje realnih problema i praktičnu primjenu. R je specifičan programski jezik prilagođen eksploratornoj, statističkoj i dubinskoj analizi podatkovnih skupova. Po svojoj prirodi nalazi se na razmeđi između klasičnih programskih jezika kao što su Python, Java ili C++ i statističkih alata kao što su SAS ili SPSS. Uz interaktivni pristup, ali i mogućnost pisanja složenijih programskih skripti, R se danas nametnuo kao jedan od vodećih analitičkih programskih jezika s kojim se uz pomoć pratećih paketa na vrlo učinkovit način mogu provesti složene analize podatkovnih skupova te stvoriti izvještaji popraćeni kompleksnim vizualizacijama i izračunima. Svladavanje jezika R zahtjeva specifičnu kombinaciju programskih vještina, poznavanja osnova statistike, ali i izvjesnu kreativnost i spremnost na izazove.

Ishodi učenja

  1. analizirati manje i veće podatkovne skupove na smislen i organizirani način
  2. prepoznati prirodu podataka i pristup njihovoj obradi
  3. koristiti interaktivni programski pristup analize podataka
  4. modificirati sirove podatke u oblik pogodan za analizu
  5. pripremiti složenije programske skripte i pakete u programskom jeziku R
  6. primijeniti metode strojnog učenja u programskom okruženju
  7. primijeniti metodologiju izrada izvještaja

Oblici nastave

Predavanja

Predavanja uz pomoć kombinacije prezentacija i interaktivne demonstracije rada u programskom jeziku R uz opcionalno izvođenje primjera na vlastitim računalima

On line u cijelosti

Pisanje programskih skripti u jeziku R, programskih analiza podatkovnih skupova, primjena metoda strojnog učenja u jeziku R, pisanje izvještaja.

Samostalni zadaci

Konzultacije u dogovorenom terminu ili preko elektroničke pošte.

Programske vježbe

Analiza danih podatkovnih skupova i priprema izvještaja

E-učenje

Rješavanje elektroničkih radnih bilježnica u RMD formatu u alatu RStudio

Način ocjenjivanja

Kontinuirana nastava Ispitni rok
Vrsta provjere Prag Udio u ocjeni Prag Udio u ocjeni
Laboratorijske vježbe 10 % 20 % 0 % 0 %
Domaće zadaće 5 % 10 % 0 % 0 %
Sudjelovanje u nastavi 0 % 5 % 0 % 0 %
Seminar/Projekt 5 % 20 % 0 % 0 %
Prisutnost 0 % 5 % 0 % 0 %
Međuispit: Pismeni 5 % 15 % 0 %
Završni ispit: Pismeni 10 % 25 %

Tjedni plan nastave

  1. Uvod u programski jezik R; usporedba jezika R sa ostalim programskim jezicima; pregled osnovnih alata i razvojnih sučelja; upoznavanje sa konceptima izvođenja predmeta
  2. Osnovni tipovi podataka i operatori; kompleksne podatkovne strukture: vektori, matrice, podatkovni okviri i liste
  3. Uvod u faktore; mehanizmi kontrole toka; objektno orijentirani principi jezika R
  4. Rad sa paketima, ugrađenim funkcijama i okolinama
  5. Korisnički definirane funkcije; porodica funkcija apply
  6. Operator cjevovoda; principi urednih podataka; rad sa datumima i znakovnim nizovima
  7. Prilagodba i transformacija podataka; upoznavanje s paketom dplyr
  8. 1. međuispit
  9. 1. međuispit
  10. Eksploratorna analiza i vizualizacija podataka: grafička gramatika; uvod u paket ggplot2
  11. Eksploratorna analiza i vizualizacija podataka: napredne vizualizacijske metode; izrada izvještaja (tehnologija R Markdown)
  12. Statističko programiranje; rad sa razdiobama; simulacije
  13. Deskriptivna i inferencijalna statistika u jeziku R
  14. Odabrane metode strojnog učenja - praktični primjeri u jeziku R: regresija (jednostavna linearna regresija, multipla linearna regresija, odabir varijabli)
  15. Odabrane metode strojnog učenja - praktični primjeri u jeziku R: klasifikacija (logistička regresija, kNN klasifikacija)

Studijski programi

Sveučilišni preddiplomski
Automatika (modul)
Vještine - 5. semestra (5. semestar)
Bežične komunikacijske tehnologije (modul)
Vještine - 5. semestra (5. semestar)
Elektroenergetika (modul)
Vještine - 5. semestra (5. semestar)
Elektroničko i računalno inženjerstvo (modul)
Vještine - 5. semestra (5. semestar)
Elektronika (modul)
Vještine - 5. semestra (5. semestar)
Elektrotehnika i informacijska tehnologija (studij)
Vještine - 3. semestar (3. semestar) Vještine - 3. semestra (3. semestar) Vještine - 5. semestar (5. semestar)
Obradba informacija (modul)
Vještine - 5. semestra (5. semestar)
Programsko inženjerstvo i informacijski sustavi (modul)
Vještine - 5. semestra (5. semestar)
Računalno inženjerstvo (modul)
Vještine - 5. semestra (5. semestar)
Računarska znanost (modul)
Vještine - 5. semestra (5. semestar)
Računarstvo (studij)
Vještine - 3. semestar (3. semestar) Vještine - 3. semestra (3. semestar) Vještine - 5. semestar (5. semestar)
Telekomunikacije i informatika (modul)
Vještine - 5. semestra (5. semestar)
Sveučilišni diplomski
Automatika (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Bežične komunikacijske tehnologije (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Elektroenergetika (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Elektroničko i računalno inženjerstvo (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Elektronika (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Elektrotehnički sustavi i tehnologija (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Elektrotehnika i informacijska tehnologija (studij)
Vještine - dipl.studij_FER3 - 1. semestar (1. semestar)
Informacijska i komunikacijska tehnologija (studij)
Vještine - dipl.studij_FER3 - 1. semestar (1. semestar)
Obradba informacija (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Programsko inženjerstvo i informacijski sustavi (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Računalno inženjerstvo (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Računarska znanost (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)
Računarstvo (studij)
Vještine - dipl.studij_FER3 - 1. semestar (1. semestar)
Telekomunikacije i informatika (profil)
Vještine - dipl.studij - 1. semestar (1. semestar)

Literatura

Hadley Wickham, Garrett Grolemund (2016.), R for Data Science, "O'Reilly Media, Inc."
Jared Lander (2013.), R for Everyone, Addison-Wesley Professional
David Diez, Christopher Barr, Mine Çetinkaya-Rundel (2015.), OpenIntro Statistics,
Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani (2013.), An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics), Springer
Jiawei Han, Jian Pei, Micheline Kamber (2011.), Data Mining: Concepts and Techniques, Elsevier

Nositelji

Izv. prof. dr. sc.
Damir Pintar
Izv. prof. dr. sc.
Mihaela Vranić

Laboratorijske vježbe

Izv. prof. dr. sc.
Damir Pintar
Izv. prof. dr. sc.
Mihaela Vranić

Za studente

Izvedba

ID 147661
  Zimski semestar
4 ECTS
R3 Engleski jezik
R3 E-učenje
30 Predavanja
15 Laboratorijske vježbe

Ocjenjivanje

87,5 izvrstan
75 vrlo dobar
62,5 dobar
50 dovoljan

Sličan predmet