ECTS Informacijski paket za akademsku godinu 2021. / 2022.

Strojno učenje

 

Naziv
Strojno učenje
Organizacijska jedinica
Odsjek za informacijske i komunikacijske znanosti
ECTS
6
Šifra
225476
Semestri
zimski
Nastavnici
Satnica
Predavanja
15
Seminar
30
Vježbe u praktikumu
15

Cilj
Cilj predmeta jest omogućiti studentima usvajanje kompetencija iz područja strojnog učenja. Strojno učenje predstavlja srž umjetne inteligencije, koje je danas jedno od najaktivnijih područja istraživanja. Svoju primjenu nalazi u prepoznavanju uzoraka, dubinskoj analizi teksta i dokumenata, prepoznavanju brojeva, slika, u predviđanju, itd. te se koristi u različitim područjima: od prometa, trgovine, do zdravstva, prava, financija, zabave, i sl. Kolegij obuhvaća teorijsku podlogu i primjenu strojnoga učenja, kroz osnovne pristupe nadziranog učenja (klasifikacija, regresija, stabla odlučivanja, itd.) i nenadziranog učenja (grupiranje, smanjivanje dimenzionalnosti, algoritmi povezivanja, LDA algoritam, itd.) u cilju provođenja prediktivne analitike.
Sadržaj
  1. Uvodno predavanje. Primjena algoritama u odabranom skriptnom jeziku (Python, R) ili alatu za statističke analize. Primjena u stvarnosti svih navedenih algoritama.
  2. Nadzirano učenje. Metoda klasifikacije. Bayesov klasifikator. Odabir i priprema podataka. Primjena u odabranom području.
  3. Regresijska analiza. Primjena u odabranom području.
  4. Stablo odlučivanja. Prikupljanje, priprema i prikaz podataka. Primjena u odabranom alatu ili skriptnom jeziku.
  5. Strukturalne predikcije. Prediktivna analitika. Primjena u odabranom području.
  6. Nenadzirano učenje. Grupiranje (klastering) – vrste, primjena. Preuzimanje i priprema podataka.
  7. Detekcija anomalija. Primjena u odabranom alatu. Redukcija dimenzija.
  8. Redukcija dimenzija. Algoritmi povezivanja. Primjena u odabranom skriptnom jeziku ili alatu za statističke analize.
  9. Modeli latentnih varijabli. LDA (Latent Dirichlet Allocation) algoritam.
  10. Polunadzirano učenje. Duboko učenje. Primjena.
  11. Neuronske mreže. Algoritmi i primjena na odabranim skupom podataka.
  12. Neuronske mreže. Algoritmi i primjena na odabranim skupom podataka.
  13. Evaluacija podataka. Procjena prikladnosti. Prediktivna analitika. Primjena u poslovanju.
  14. Projektni rad
  15. Projektni rad

Ishodi učenja
  1. definirati osnovne pojmove strojnog učenja
  2. objasniti karakteristike, prednosti i nedostatke različitih modela strojnog učenja (nadzirano, nenadzirano, polunadzirano, ojačano)
  3. primijeniti odabrane algoritme nad skupom podataka (klasifikacija, regresija, grupiranje, algoritmi povezivanja)
  4. pripremiti podatkovni skup za odabrani algoritam
  5. osmisliti i implementirati postupak nad odabranim algoritmom, interpretirati rezultate i procijeniti prikladnost
  6. primijeniti odabrani skriptni jezik (Python, R) ili alat za statističku obradu podataka nad odabranim modelima
Metode podučavanja
predavanja, vježbe, projektni rad
Metode ocjenjivanja
pismeni, usmeni, vježbe, projektni rad

Obavezna literatura
  1. Alpaydin, Ethem. Introduction to Machine Learning, MIT Press, 2009.
  2. Kelleher, J., Namee, B. M., D'Arcy, A. Fundamentals of Machine Learning for Predictive Data Analytics, 2020.
  3. Gareth, J., Witten, D., Hastie, T., Tibshirani, R. An Introduction to Statistical Learning with applications in R, Springer, 2013.
  4. Downey, Allen B. Think Stats, 2011.
  5. Bird, S.; Klein, E.; Loper, E. Natural Language Processing with Python, 2009.
  6. Siegel, Eric. Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die, Wiley, 2013.
Dopunska literatura
  1. Wickham, H., Grolemund, G. R for Data Science: Import, Tidy, Transform, Visualize, and Model Data, 2017.
  2. Covington, D. Analytics. Data Science, Data Analysis and Predictive Analytics for Business. 5th ed, 2016.
  3. Witten, H., Frank, E., Hall, A., Data Mining: Practical Machine Learning Tools and Techniques, Elsevier, 2011.
  4. Abbott, Dean. Applied Predictive Analytics: Principles and Techniques for the Professional Data Analyst, 1st ed, Wiley, 2014.

Obavezan kolegij na studijima
  1. Informacijske znanosti, sveučilišni diplomski jednopredmetni studij
  2. Informacijske znanosti, sveučilišni diplomski dvopredmetni studij
Izborni kolegij na studijima
  1. Informacijske znanosti, sveučilišni diplomski jednopredmetni studij
  2. Informacijske znanosti, sveučilišni diplomski dvopredmetni studij