Uvod u znanost o podacima

Ishodi učenja

  1. Koristiti Python i druge alate za prikupljanje, čišćenje i procesiranje podataka
  2. Koristiti tehnike upravljanja podataka za spremanje podataka lokalno i u oblak
  3. Koristiti statističke metode i vizualizaciju za brzo istraživanje podataka
  4. Primijeniti statistiku i računalnu analizu za predviđanje temeljeno na podacima
  5. Opisati rezultate analize podataka koristeći deskriptivnu statistiku i vizualizacije
  6. Koristiti grozd računala i infrastrukturu u oblaku za obavljanje podatkovno-intenzivnih računanja

Oblici nastave

Predavanja

Predavanja i primjeri u jupyter notebooku

Laboratorij

pomoć oko projekata

Način ocjenjivanja

Kontinuirana nastava Ispitni rok
Vrsta provjere Prag Udio u ocjeni Prag Udio u ocjeni
Seminar/Projekt 15 % 40 % 15 % 40 %
Završni ispit: Pismeni 60 % 60 %
Napomena / komentar

završni ispit, analiza podataka na računalu

Tjedni plan nastave

  1. Prikupljanje podataka
  2. Preoblikovanje podataka, Čišćenje podataka
  3. Pregled istraživačke analize podataka (umjesto: Istraživanje analitičkih podataka)
  4. Analiza glavnih komponenata
  5. Regresija najmanjih kvadrata. procjena najveće izlgednosti za regresiju
  6. Logistička regresija
  7. Primijenjeno strojno učenje (prediktivna analiza. klasifikacija i predviđanje)
  8. Međuispit
  9. Primijenjeno strojno učenje (prediktivna analiza. klasifikacija i predviđanje)
  10. Primijenjeno strojno učenje (prediktivna analiza. klasifikacija i predviđanje)
  11. Bagging i boosting
  12. Klasifikacija metoda ponovnog uzorkovanja: randomizacija (egzaktna i aproksimativna). Jackknife. Bootstrap. Kros-validacija
  13. Dubinska analiza podataka pomoću programskog modela Map-Reduce 
  14. Bayesijansko zaključivanje naspram frekvencijskog zaključivanja, Bayesovsko zaključivanje (procjena, predviđanje, usporedba modela)
  15. Završni ispit

Studijski programi

Sveučilišni preddiplomski
Elektrotehnika i informacijska tehnologija (studij)
Izborni predmeti (5. semestar)
Računarstvo (studij)
Izborni predmeti (5. semestar)
Sveučilišni diplomski
Elektroničko i računalno inženjerstvo (profil)
Izborni predmet (1. semestar) (3. semestar)
Informacijsko i komunikacijsko inženjerstvo (profil)
Izborni predmeti (1. semestar) Izborni predmet profila (3. semestar)
Programsko inženjerstvo i informacijski sustavi (profil)
Izborni predmet profila (1. semestar) (3. semestar)
Računalno inženjerstvo (profil)
Izborni predmet profila (1. semestar)
Znanost o podacima (profil)
Obavezni predmet profila (1. semestar)

Literatura

(.), Jake VanderPlas, Python Data Science Handbook, O'Reilly Media, 2016.,

Za studente

Izvedba

ID 183455
  Zimski semestar
5 ECTS
R3 Engleski jezik
R1 E-učenje
45 Predavanja
12 Laboratorijske vježbe

Ocjenjivanje

izvrstan
vrlo dobar
dobar
dovoljan