Temelji programiranja i ekstrakcije znanja


OPIS PREDMETA

Nastava: 12 sati
ECTS bodovi: 3

Cilj predmeta: Jasno razlučiti osnovne pojmove vezane za programiranje, korištenje računala i ekstrakciju znanja (data mining). Usvojiti praktične metode programiranja za obradu teksta, tehničko programiranje i ekstrakciju znanja.

Sadržaj predmeta: Vrste i strukture podataka, Turingov stroj, algoritmi i njihova složenost, kompajleri i interpreteri, objektno programiranje. Struktura računalne memorije i posljedice na razvoj programa.
Programiranje za obradu teksta (HTML, LaTeX, XML).
Osnove tehničkog računanja (Matlab).
Klasteriranje podataka (grafova) pretraživanjem (metoda k-sredina), Fiedlerov vektor i analiza principalnih komponenti grafa, model vektorskog prostora i primjena na tekstualne kolekcije podataka.

Opće i specifične kompetencije: Sposobnost analize algoritamskih problema s aspekta složenosti i odabira adekvatnog načina rješavanja. Razumijevanje programiranja za obradu teksta i sposobnost samostalnog programiranja. Razumjevanje tehničkih programa i sposobnost izrade i primjene istih na analizu podataka. Razumijevanje algoritama za ekstrakciju znanja i sposobnost primjene algoritama u znanstveno-istraživačkom radu.


PRVI DOMAĆI RAD - HTML i JavaScript

DRUGI DOMAĆI RAD - Sortiranje u Matlabu i LaTeX


LITERATURA

1. Mitra S, Acharya T, Data Mining - Multimedia, Soft Computing and Bioinformatics, John Wiley & Sons, 2003. (info)
2. Sigmon K, MATLAB Primer, Third Edition, University of Florida, Gainesville, 1993. (link) (lokalni link)
3. Oetiker T, Partl H, Hyna I, Schlegl E, The Not So Short Introduction to LaTeX2e, 1999. (link) (lokalni link)
4. Berry MW, Drmač Z, Jessup ER, Matrices, Vector Spaces and Information Retrieval, SIAM Review, 41 (1999) 335-362. (link) (lokalni link)
5. The Java Tutorial (link) (lokalni link - Tutorial) (lokalni link - Primjeri) (lokalni link - Swing)
6. Ding HQ, Zha H, He X, Husbands P, Simon HD, Link analysis: Hubs and Authorities on the World Wide Web, SIAM Review, 46 (2004) 256-269. (link) (lokalni link)
7. Langville AN, Meyer CD, A Survey of Eigenvector Methods for Web Information Retrieval, SIAM Review, 47 (2005) 135-161. (link) (lokalni link)
8. A Beginner's Guide to HTML (lokalni link)

1. Algoritam. Program i programiranje. Interpreteri i kompajleri.
2. Model podataka. Složene strukture podataka. Programske paradigme. Objektno orjentirano programiranje.
3. Turingov stroj - model univerzalnog računala. Izračunljivost funkcija. Konačnost algoritma. Efikasnost algoritma.
4. Struktura računalne memorije i posljedice na razvoj programa. Skriptni jezici - serverski (PHP) i klijentski (JavaScript).
5. Programiranje za obradu teksta (HTML, CSS, LaTeX, XML).
6. Osnove tehničkog računanja (Matlab).
7. Metoda najmanjih kvadrata - linearna regresija.
8. Klasteriranje podataka (grafova) pretraživanjem (metoda k-sredina).
9. Fiedlerov vektor i analiza principalnih komponenti grafa.
10. Model vektorskog prostora.
11. Primjena na tekstualne kolekcije podataka.
12. Seminarski rad.

1. Osnove programiranja i strukture podataka
2. Osnove programiranja i strukture podataka
   The Java Tutorial
3. Turingov stroj, konačnost i efikasnost algoritma
4. Višeprocesorsko računanje (izvadak)
   Art of Interactive Scientific Web Design
   
   PHP from Wikipedia
   PHP from W3Schools
   
   JavaScript from Wikipedia
   JavaScript from W3Schools
5. HTML from Wikipedia
   HTML from W3Schools
   A Beginner's Guide to HTML
   
   CSS from Wikipedia
   CSS from W3Schools
   
   LaTeX from Wikipedia
   The Not So Short Introduction to LaTeX2e
   Materijali za LaTeX (1. dio, 2. dio, 3. dio, 4. dio, 5. dio, zadaci.)
   
   XML from Wikipedia
   XML from W3Schools
6. Octave On-line
   MATLAB Primer, Third Edition
   Octave Users' Guide
   Einführung in MATLAB
7. Metoda najmanjih kvadrata i QR rastav
8. K-means from Wikipedia
   K-means metoda za particioniranje podataka
   A Tutorial on Clustering Algorithms (vidi "K-means" i "Interactive Demo")
9. Principal component analysis from Wikipedia
   Spektralno biparticioniranje grafa
   (Spektralno k-particioniranje grafa)
   programi
   programi
10. Matrices, Vector Spaces and Information Retrieval
    Model vektorskog prostora
11. Spektralno particioniranje bipartitnog grafa