FOI Nastava - Programiranje za analizu podataka

Sadržaj se učitava...

FOI Nastava

apps

mdi-login

Programiranje za analizu podataka

Programming for Data Analytics
2022/2023

6 ECTSa

Informacijski i poslovni sustavi 1.2 (IPS)

Katedra za teorijske i primijenjene osnove informacijskih znanosti

5. semestar

Osnovne informacijemdi-information-variant

Izvođači nastavemdi-account-group

Nastavni plan i programmdi-clipboard-text-outline

Model praćenjamdi-human-male-board

Ispitni rokovimdi-clipboard-check-outline

Rasporedmdi-calendar-clock

Konzultacijemdi-account-voice

Izvođenje kolegija

Studij	Studijski program	Semestar	Obavezan
Informacijski i poslovni sustavi 1.2 (IPS)	Umjetna inteligencija u poslovanju	5	obavezan

Cilj kolegija

Upoznavanje studenata s različitim specifičnostima programiranja u kontekstu znanosti o podacima s naglaskom na praktičnu primjenu aktualnih programskih alata i tehnika za analizu velikih količina podataka. Studenti će savladati naprednije teorijske postavke, najbolje prakse i općenito metode programiranja za dohvaćanje, čišćenje, pripremu i analizu podataka.

Preduvjeti

Kolegij nema definirane preduvjete

Norma kolegija

Predavanja

15 sati

Vježbe u praktikumu

30 sati

Nastavnik	Uloga na kolegiju	Oblik nastave	Tjedana	Sati	Grupa
Maretić Marcel	Nositelj
Schatten Markus	Nositelj
Horvat Damir	Suradnik
Okreša Đurić Bogdan	Suradnik

Sadržaj predavanja

Uvod u predmet i objašnjenje načina rada. (2 sata)
Znanost o podacima. Veliki podaci. Specifičnosti programiranja u kontekstu podatkovne znanosti. Sažetak.
Primijenjeni (inženjerski) koncepti. (1 sat)
Verzioniranje programskog kôda. Skriptiranje. Izgradnja aplikativnog sučelja. Najbolje prakse. Sažetak.
Teorijski koncepti. (2 sata)
Anonimne funkcije i parcijalna aplikacija argumenata. Funkcije višeg reda. MapReduce. Generatori sekvenci. Osnove paralelnog procesiranja. Introspekcija. Sažetak.
Dohvaćanje podataka, pohrana i tipovi datoteka. (4 sata)
Interakcija s tekstualnim podacima. Interakcija s binarnim podacima. Interakcija s aplikativnim sučeljima. Interakcija s bazama podataka. Prikupljanje podataka s Web-a. Interakcija s kontinuiranim tokovima podataka (engl. Stream data). Sažetak.
Čišćenje i priprema podataka. (3 sata)
Upravljanje nepotpunim podacima. Transformacija podataka. Manipulacija znakovnim nizovima. Indeksiranje podataka. Spajanje i kombiniranje podataka. Preoblikovanje i zakretanje podataka (engl. Pivoting). Agregiranje i grupiranje podataka. Sažetak.
Analiza podataka. (3 sata)
Programska analiza vremenskih serija. Programska analiza mreža (npr. društvenih mreža). Statističko modeliranje podataka. Programska analiza kategorijskih podataka. Analiza strojnim učenjem. Programska vizualizacija podataka. Druge vrste analiza.

Sadržaj seminara/vježbi

Ishodi učenja kolegija

Preurediti postojeću bazu podataka koristeći izabrani jezik za manipulaciju podacima.
Modelirati višedretvene programe.
Realizirati jednostavne programske okvire.
Modelirati funkcije višeg reda i funkcijske obrasce (map, fold i filter) i primijeniti ih u implementaciji odgovarajućih problemskih zadataka.
Primijeniti različite metode strojnog učenja prikladne za odabrane poslovne probleme klasifikacije odnosno regresije.
Oblikovati rješenje dohvaćanja podataka na zadanom skupu izvora podataka (npr. tekstualni podaci, binarni podaci, aplikativna sučelja, baze podataka, podaci s weba, kontinuirani tokovi podataka) koristeći odabrani skriptni programski jezik.
Kombinirati različite metode analize velikih skupova podataka poput analize vremenskih serija, analize mreža (npr. društvenih mreža), statističkog modeliranja podataka, analize kategorijskih podataka, strojnog učenja i vizualizacije složenih podataka u odgovarajućem interaktivnom programskom sučelju.
Izraditi programsko rješenje temeljeno na bazi podataka u zadanom programskom okruženju.

Ishodi učenja programa

razumjeti stanje i trendove razvoja suvremenih informacijskih i komunikacijskih tehnologija (ICT), razumjeti njihov utjecaj na pojedinca, organizaciju i društvo te procijeniti njihovu primjenjivost u zadanom kontekstu
razumjeti i primijeniti ključne aspekte informacijske tehnologije (programiranje, algoritmi, strukture podataka, baze podataka i znanja
razumjeti i primijeniti metode, tehnike razvoja informacijskih i programskih sustava u suvremenim razvojnim okolinama
pratiti stručnu literaturu na hrvatskom i stranom jeziku, pripremiti i samostalno održati prezentacije na hrvatskom i stranom jeziku stručnoj i općoj publici, te kritičku evaluaciju prezentirane stručne teme

Osnovna literatura

McKinney, W. (2018) Python for Data Analysis, O'Reilly, USA.
Downey, A. B. (2015) Think Stats, O'Reilly, USA.

Dopunska literatura

Maleković M. and Schatten M. (2017) Teorija i primjena baza podataka, Fakultet organizacije i informatike, Zagreb.
Jake VanderPlas (2017) Python Data Science Handbook, O’Reilly, Sebastopol

Slični kolegiji

Redoviti studenti

Izvanredni studenti

izvanredni rok

Datum: 17.04.2026.

Vrijeme: 16:00

Opis: Na Fakultetu

U kalendaru ispod se nalaze konzultacije predmetnih nastavnika, no za detalje o konzultacijama možete provjeriti na profilu pojedinog predmetnog nastavnika.