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
2022/2023

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)	Razvoj programskih sustava	5	izborni
Informacijski i poslovni sustavi 1.2 (IPS)	Umreženi sustavi i računalne igre	5	izborni
Informacijski i poslovni sustavi 1.2 (IPS)	Umjetna inteligencija u poslovanju	5	izborni
Informacijski i poslovni sustavi 1.2 (IPS)	Analiza i dizajn poslovnih 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
Dobša Jasminka	Nositelj
Šimić Diana	Nositelj
Buhin Pandur Maja	Suradnik
Gusić Munđar Jelena	Suradnik

Sadržaj predavanja

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

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.