FOI Nastava - Eksplorativna analiza i vizualizacija podataka

Sadržaj se učitava...

FOI Nastava

apps

mdi-login

Eksplorativna analiza i vizualizacija podataka

Exploratory Data Analysis and Visualization
2025/2026

4 ECTSa

Informacijski i poslovni sustavi 1.2 (IPS)

Katedra za kvantitativne metode

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)	Analiza i dizajn poslovnih sustava	5	izborni
Informacijski i poslovni sustavi 1.2 (IPS)	Umjetna inteligencija u poslovanju	5	izborni
Informacijski i poslovni sustavi 1.2 (IPS)	Umreženi sustavi i računalne igre	5	izborni
Informacijski i poslovni sustavi 1.2 (IPS)	Razvoj programskih sustava	5	izborni

Cilj kolegija

Osposobiti studenta za početno istraživanje skupa podataka korištenjem metoda deskriptivne statistike, vizualizacije podataka, snižavanja dimenzionalnosti, klasteriranja podataka i sličnih metoda multivarijatne analize podataka u svrhu pronalaženja pravilnosti i uzoraka u podacima kako bi se postavile statističke hipoteze ili definirali statistički modeli za dalja istraživanja. Ove metode temelj su za dubinsku analizu podataka (eng. data mining) i redovito se provode u okviru prve faze analitičkih procesa znanosti o podacima (eng. data science) i statističkog / strojnog učenja (eng. statistical / machine learning) koji se odnose na uređivanje i transformaciju podataka.

Preduvjeti

Matematika 2 (IPS 1.2)
Matematičke metode za informatičare (IPS 1.2)
Statistika i vjerojatnost (IPS 1.2)

Norma kolegija

Predavanja

15 sati

Vježbe u praktikumu

15 sati

Seminar

15 sati

Nastavnik	Uloga na kolegiju	Oblik nastave	Tjedana	Sati	Grupa

Sadržaj predavanja

Deskriptivna statistika, vizualizacija univarijatnih i bivarijatnih podataka i transformacije. (1 sat )
Deskriptivna statistika, vizualizacija univarijatnih i bivarijatnih podataka i transformacije.
Uvod u gramatiku vizualizacije podataka. (1 sat )
Uvod u gramatiku vizualizacije podataka.
Pregled osnovnih vrsta grafičkih prikaza. (1 sat )
Pregled osnovnih vrsta grafičkih prikaza.
Dinamička vizualizacija podataka. ( 1 sat )
Dinamička vizualizacija podataka.
Eksplorativna analiza regresijskih modela - uvod. (1 sat )
Vizualizacija kvantitativnih multivarijatnih podataka, korelacijska matrica, parcijalna korelacija, linearna regresija.
Eksplorativna analiza regresijskih modela (prvi dio). (1 sat )
Opći linearni model.
Eksplorativna analiza regresijskih modela (2 dio). (1 sat )
Poopćeni linearni model - logistička i Poissonova regresija.
Linearni modeli snižavanja dimenzionalnosti. (2 sata)
Analiza glavnih komponenti.
Dekompozicija singularnih vrijednosti – SVD. (1 sat )
Dekompozicija singularnih vrijednosti – SVD.
Nelinearni modeli snižavanja dimenzionalnosti: metoda multidimenzionalnog skaliranja – MDS. (1 sat )
Nelinearni modeli snižavanja dimenzionalnosti: metoda multidimenzionalnog skaliranja – MDS.
Hijerarhijsko grupiranje podataka. (1 sat )
Metrike, metode povezivanja, vizualizacija.
Nehijerarhijsko grupiranje podataka i vrednovanje rezultata grupiranja. (1 sat)
Nehijerarhijsko grupiranje podataka i vrednovanje rezultata grupiranja.
Samoorganizirajuće mape, SOM. (2 sata)
Samoorganizirajuće mape, SOM.

Sadržaj seminara/vježbi

Ishodi učenja kolegija

Primijeniti koncepte linearne zavisnosti i nezavisnosti vektora na problemske zadatke iz područja primjene.
Primijeniti grafičke i numeričke metode deskriptivne statistike koristeći prikladno statističko programsko okruženje (npr. R, SPSS, Statistica, SAS i sl.).
Primijeniti metode linearne regresije, linearne regresije s više varijabli i logističke regresije u sustavima za strojno učenje.
Primijeniti različite metode strojnog učenja poput neuronskih mreža, automata s potpornim vektorima, stabla odlučivanja, Bayesovih mreža, genetičkih algoritama i drugih u kontekstu poslovnih informacijskih sustava.
Odabrati dijelove algoritma koji se mogu izdvojiti u zasebne cjeline i izvesti kao potprogrami te ih implementirati u objektno orijentiranom programskom jeziku R.
Primijeniti prikladne linearne i nelinearne metode redukcije dimenzionalnosti u statističkom programskom okruženju R.
Izabrati odgovarajuće grafičke kontrole za prikaz (vizualizaciju) podataka i interakciju s aplikacijom.

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 suvremene tehničke koncepte i prakse u informacijskim tehnologijama (arhitektura računala, operacijski sustavi, mreže računala)
razumjeti i primijeniti matematičke metode, modele i tehnike primjerene rješavanju problema iz područja informacijskih i poslovnih sustava
razumjeti bitne čimbenike koji utječu na poslovanje organizacije i pojedinaca te primijeniti osnovne metode i koncepte planiranja, upravljanja i obračuna poslovanja
analizirati stanje, identificirati prilike i definirati probleme s kojima se susreću organizacije i pojedinci u primjeni ICT, te formulirati rješenja uz primjenu ICT
razumjeti osnovna vertikalna područja primjene ICT (industrija, zdravstvo, promet, turizam, država i sl.), te horizontalne aplikacije (uredski sustavi, DSS, CRM, ERP, DMS i sl.)
razumjeti i primijeniti suvremene metodološke pristupe razvoja organizacijskih i informacijskih sustava, te oblikovanja organizacije i organizacijske strukture
razumjeti suvremene organizacijske koncepte i upravljati organizacijskom kulturom
modelirati poslovne procese i podatke u organizacijama i primijeniti modele u razvoju informacijskih i poslovnih sustava
razumjeti i primijeniti metode, tehnike razvoja informacijskih i programskih sustava u suvremenim razvojnim okolinama
razumjeti i primijeniti procese, metode i tehnologije upravljanja IT uslugama i resursima te podrške i pružanja različitih vrsta usluga vezanih uz ICT
razumjeti i primijeniti etička načela, zakonsku regulativu i norme koje se primjenjuju u struci
razumjeti osnovna načela i metode upravljanja organizacijom i uspješno raditi u timu
uspješno komunicirati s klijentima, korisnicima i kolegama na verbalan i pisani način uz primjenu odgovarajuće terminologije uključujući i sposobnost komunikacije o struci na stranom jeziku
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
razumjeti i primijeniti vještine učenja potrebne za cjeloživotno učenje i nastavak obrazovanja na diplomskom studiju.
razumjeti i primijeniti osnovne principe planiranja i razvoja karijere u struci i vlastitih poduzetničkih poduhvata

Osnovna literatura

W. L. Martinez, A.R. Martinez. Exploratory Data Analysis with MATLAB, Computer Science and Data Analysis Series, Chapman & Hall/Crc, 2005.
H. Wickham. ggplot2 Elegant Graphics for Data Analysis. 2nd ed. Springer, 2016.

Dopunska literatura

R. K. Pearson. Exploratory data Analysis Using R, Chapman & Hall/CRC Data Mining and Knowledge Discovery Series, , Chapman & Hall/Crc, 2018.
E.R. Tufte. The visual display of quantitative information, Chesire: Graphics, 2001, 2. izdanje
L. Wilkinson. The grammar of graphics, New York: Springer, 2005, 2. izdanje

Slični kolegiji

Redoviti studenti

Izvanredni studenti

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