| Kratica: RUDPOD
|
Opterećenje: 30(P)
+ 15(A)
+ 0(L)
+ 0(S)
+ 0(SJ)
+ 0(TJ)
|
| Nositelji: |
prof. dr. sc. Tonči Carić |
| Izvođači: |
prof. dr. sc. Hrvoje Gold
(
Predavanja
)
pred. dr. sc. Krešimir Vidović
(
Predavanja
)
Martina Erdelić mag. ing. traff.
(
Auditorne vježbe
)
Leo Tišljarić
(
Auditorne vježbe
)
|
| Opis predmeta: Osnovni pojmovi i definicije. Potreba i motivi primjene rudarenja podataka. Osnovne funkcije rudarenja podatcima. Pred- obrada
i post-obrada podataka, smanjenje dimenzionalnosti i transformacije podataka. Vizualizacija podataka. Klasifikacija podataka.
Asocijativna analiza. Analiza klastera. Otkrivanje abnormalnosti. Primjena metoda rudarenja podatcima na baze podataka koje
sadrži podatke o stanju prometnog sustava. Prognoziranje prometnih podataka. Pružanje dodatnih usluga korisnicima prometnog
sustava temeljenih na rezultatima rudarenja podataka. Primjena rezultata rudarenja podatcima na optimizaciju procesa i upravljanje
u prometnom sustavu.
|
| Jezici na kojima se održava nastava: Engleski, Hrvatski
|
| Obavezna literatura: |
| 1. |
Pang-Ning Tan, Michael Steinbach, Vipin Kumar: Introduction to Data Mining, Addison Wesley, 2005. |
| 2. |
Šemanjski, Ivana: Rudarenje podataka, nastavni materijali, Fakultet prometnih znanosti, Sveučilište u Zagrebu, 2017. |
| Preporučena literatura: |
| 3. |
Palm, William: Introduction to MATLAB for Engineers, McGraw-Hill Education, 2010. |
| 4. |
Gilat, Amos: MATLAB: An Introduction with Applications, Wiley, 2014. |
| 5. |
Ng, Andrew: Machine learning Yearning, Mlyearning, 2017. |
| 6. |
Zheng, Alice: Feature Engineering for Machine Learning Models: Principles and Techniques for Data Scientists, O'Riley, 2017. |
| 7. |
Kirk, Andy: Data Visualisation: A Handbook for Data Driven Design, SAGE Publications Ltd, 2016. |
|