Primjenjena analiza podataka

Opis predmeta

Primjena stečenih i novih znanja u složenijoj analizi podataka za znanstveni i/ili stručni rad.

Ishodi učenja na razini programa kojima predmet doprinosi:

Znanstvene discipline kao što su nutricionizam i sigurnost hrane i prehrane daju veliki broj informacija koje treba analizirati i na osnovu toga donijeti neke zaključke. Interpretacija i analiza rezultata kod istraživanja prehrane i tehnologije hrane traži razumijevanje odnosa između glavnih značajki istraživačke studije i metode analize podataka.

Zbog manipulacije sa velikim količinama podataka prikupljenih anketiranjem i/ili mjerenjem javlja se potreba kreiranja baza podataka. Baza podataka je skup međusobno povezanih podataka pohranjenih u vanjsku memoriju računala, a podatci su istovremeno dostupni raznim korisnicima i programima. Računalni jezik SQL je jezik za postavljanje upita. Zasnovan je na relacijskom računu s tim da je matematička notacija zamijenjena ključnim riječima nalik na engleski govorni jezik.

Uz pomoć statistike dati će se pojašnjenje teorijskih osnova na praktičnim primjerima iz struke kod korištenja regresijske analize, utjecaja „atipičnih“ podataka na regresijski model, izgradnje i uspoređivanja taksonomija regresijskih modela, te testiranja hipoteza. Bit će dan i osnovni uvod u višedimenzionalnu regresiju, planiranju, klaster analizu (CA), te analizu glavnih komponenata (PCA).

Statističke metode moraju biti pogodne i sa stajališta primjene računala pa se s problemima praktične realizacije algoritama bavi područje teorije programiranja. Jedan od osnovnih zadataka programiranja je priprema i sastavljanje programa prema izabranom algoritmu. Dio kolegija koji se bavi teorijom programiranja dati će pregled tema kao što su: formiranje i razvoj algoritama i programa (dijagram toka), osnovni tipovi podataka i operacija (logičke operacije, formiranje petlji), višedimenzionalni tipovi podataka (polja), te programiranje pomoću gotovih programskih paketa.

Učenje računalih vještina potrebnih za obavljanje praktičnog dijela kolegija, kao i razvijanje komunikacijskih vještina za raspravu o njima, je sastavni dio kolegija.

Očekivani ishodi učenja na razini predmeta:

Nakon uspješno položenog predmeta student će:

• sakupljati i pohranjivati podatke iz različitih vrsta uzoraka i studija koristeći alate baza podataka;
• interpretirati i analizirati podatke iz različitih vrsta uzoraka i studija koristeći alate statistike;
• praktično relaizirati algoritme i metode koristeći određene računalne vještine;
• koristiti program MS Excel i Statistica za statističku obradu podataka;
• koristiti programski paket Mathematica.

Nastava

Literatura

1. Glantz, Stanton A., Primer of Biostatistics, 6th Edition, 2005 McGraw-Hill

2. Myra L. Samuels, Jeffery A. Witmer, Statistics for the life sciences, 3rd ed. Upper Saddle River, N. J.: Prentice Hall, 2003.

3. Schaum's Outline of Introduction to Computer Science, Mata-Toledo Ramon, McGraw-Hill Book Company