Nastavnici:

prof. dr. sc. Ivan Slapničar
021/305-619
Ivan.Slapnicar@fesb.hr
www.fesb.hr/~slap

mr. sc. Damir Krstinić
021/305-617
Damir.Krstinic@fesb.hr

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)


IZVEDBENI PLAN
  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.


NASTAVNI MATERIJALI
  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

Sveučilište u
	Zagrebu
Sveucilište u Zagrebu

Nacionalna zaklada za znanost,
	visoko skolstvo i tehnologijski razvoj RH
Nacionalna zaklada za znanost, visoko školstvo i tehnologijski razvoj RH

Tjedan intenzivne nastave

Od 23. do 30. rujna održat će se tjedan intenzivne nastave za studente JEKON-a u Poslijediplomskom središtu Dubrovnik Sveučilišta u Zagrebu (CAAS). Program možete preuzeti ovdje.