1. komponenta

Vrsta nastave	Ukupno
Predavanja	45

* Opterećenje je izraženo u školskim satima (1 školski sat = 45 minuta)

CILJ PREDMETA:
1. Upoznati studente s osnovim metodama analize i vizualizacije podataka
2. Objasniti primarne metode prikupljanja, čišćenja i pohrane raznih vrsta podataka
3. Prikupiti praktično iskustvo u programskom jeziku Python i SQL bazama podataka
4. Pružiti pregled u osnovne statističke metode prikladne za obradu podataka
5. Pružiti uvid u osnovne metode strojnog učenja te njihovu primjenu u analizi podataka
6. Omogućiti praktično iskustvo u analizi stvarnih skupova podataka

NASTAVNI SADRŽAJI:
1. Uvod u programski jezik Python: liste, zapisi (tuples), riječnici, funkcije, klase, datoteke, biblioteka numpy (2 tjedna)
2. Pohrana i pristup podatcima: relacijski model i jezik SQL, nestrukturirani podatci (JSON, tekst, Web) (2 tjedna)
3. Osnovni pojmovi statistike i vjerojatnosti: korelacija, slučajne variable, testiranje hipoteze, p-vrijednosti, intervali pouzdanosti (2 tjedna)
4. Analiza podataka u Pythonu: biblioteka Pandas, dataframes, data cleaning, data wrangling, agregacija (2 tjedna)
5. Vizualizacija podataka: matplotlib i razne metode vizualizacije podataka (2 tjedna)
6. Strojno učenje i analiza podataka: biblioteka scikit-learn, algoritmi klasifikacije, naive bayes, linearna regresija i metoda spusta (gradient descent), logistic regression i knn (3 tjedna)

1. Data wrangling with Pandas, NumPy, and IPython. 3rd edition, McKinney, Wes, O'Reilly Media, Inc.,, 2022.
2. Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow, Géron, Aurélien, O'Reilly Media, Inc., 2022.
3. An introduction to statistical learning. Vol. 112, James, Gareth, New York: Springer, 2013.

Upis predmeta :
Položen : Matematička analiza 1
Položen : Programiranje 1

Izborni modul Računarstvo - Redovni Studij - Matematika

Izborni modul Računarstvo - Redovni Studij - Matematika

Izborni predmet 1, 2 - Redovni Studij - Matematika

Izborni predmet 1, 2 - Redovni Studij - Matematika