Data Science

Študentje izberejo temo projekta in na projektu delajo v skupinah. Na sredini semestra poročajo o napredku in vmesnih rezultatih.  Ob zaključku predmeta študentje javno predstavijo rezultate dela. Projektne teme predlagajo fakultetni predavatelji in strokovnjaki iz gospodarstva. Nosilec pr…

Matrična in tenzorska algebra. Notacija. Odvodi. Teorija. Gradient. Konveksnost in stroga konveksnost. Lipschitzeve funkcije. Optimizacija z omejitvami. Dualne funkcije. Dualni optimizacijski problemi. Krepka dualnost. Slaterjev pogoj. Karush-Kuhn-Tuckerjev pogoj.  Optimizacijske metode. Grad…

Uvod v globoko učenje. Zgodovinski pregled. Aplikacije globokega učenja. Učenje globokih nevronskih mrež. Naprej povezane nevronske mreže. Stohastični gradientni spust. Vzvratno razširjanje napake. Aktivacijske in cenilne funkcije. Regularizacija, inicializacija, normalizacija. Posodabljanje…

Introduction to big data. Characteristics of big data. Big data and data science. Relational databases and big data. Distributed data systems. Hadoop ecosystem. Big data management. Structured and semi-structured data models. Non-relational (NoSQL) data models. Data models and database systems for …

Data. Povzemanje podatkov. Vizualizacija podatkov. Temeljna težava pri analizi podatkov: negotovost v našem razumevanju procesa, ki generira podatke. Probability. Aksiomatski, bayesovski in klasičen (frekventistični) pogled na verjetnost. Skupne, robne in pogojne gostote. Bayesov izrek. Porazde…

Predmet predstavlja uvod in pregled tem, ki so pomembne za podatkovne vede. Predavatelji in gostje iz industrije in raziskovalnih ustanov bodo študentom predstavili te teme. Delo s podatki. Pridobivanje. Procesiranje. Hranjenje. Povzemanje. Čiščenje. Analiza podatkov. Napovedovanje. Gručenje. …

Linearni modeli. Linearna regresija. Linearna diskriminantna analiza. Logistična regresija. Gradientni sestop. Stohastični gradientni sestop. Pristop strojnega učenja. Cenovna funkcija. Pristop z zmanjšanjem tveganja. Maksimizacija verjetja. Vrednotenje modelov. Prečno preverjanje. Izbor znač…

Learn probabilistic programming, how to build and apply Bayesian statistical models, and provide statistical support to researchers and professionals. The process and limitations of statistical inference (experiment design, data gathering, model selection, computation, interpretation, what can and …

Predmet pokriva izbrane napredne teme iz strojnega učenja skladno s trenutnimi smernicami v raziskavah in uporabi v praktičnih problemih.