Search

There are several B2B frameworks at the market, ebXML being one of them. Market position of ebXML is getting stronger due to its interoperability and strong support by UN/CEFACT and OASIS. EbXML has modular architecture consisting of five layers: Core Components, Business Process, Trading Partner Agreement, Registry/Repository and T,R,P (Transport, Routing and Packaging). Modularity of ebXML specifications enables implementation of layers without the need to implement all of its functionality. This paper describes implementation model of Registry/Repository layer. Role of Registry/Repository in ebXML is vital as it stores all necessary information to perform B2B transactions and gives a standardized methodology for retrieval and storage of such information in distributed environment.

Svake godine CDC (Centers for Disease Control and Prevention) provodi telefonske ankete na populaciji od oko 400,000 američkih stanovnika u svrhu prikupljanja podataka o zdravlju i faktorima koji utječu na zdravlje. Prikupljeni podaci i rezultati ankete javno su dostupni za svaku godinu, s izvještajima i dokumentiranim skupom pitanja postavljenim u anketi. U okviru završnog rada istražuje se navedeni skup podataka pomoću deskriptivne statistike i vizualizacija te se odgovara na razna istraživačka pitanja o utjecaju raznih faktora na zdravlje anketirane populacije. Every year, the CDC (Centers for Disease Control and Prevention) conducts telephone surveys on approximately 400,000 US residents to collect data on their health and factors affecting their health. The collected data and survey results are publicly available for each year, along with reports and a documented set of survey questions. The aforementioned set of data is analyzed using descriptive statistics and visualizations. In addition, answers to various research questions about the influence of various factors on health of the surveyed population are given.

U ovom radu izrađen je sustav za obradu podataka primjenom mikroservisne arhitekture. Sustav je građen tehnologijama i prinicipima koji omogućavaju skalabilnost i primjenu na različite probleme. Rad se bavi mogućnostima poboljšanja i skaliranja servisa u slučaju promjene zahtjeva sustava. This paper describes the development of a data processing system using microservices architecture. The system is built with technologies and principles that enable scalability and application to different problems. The paper discusses opportunities for improving and scaling services in the event of changes to the system’s requirements.

Ovaj rad istražuje primjenu statističkih metoda i metoda strojnog učenja u analizi podataka iz zdravstva. Primjena strojnog učenja u zdravstvenom sektoru uključuje klasifikaciju bolesti, predviđanje dijagnoza, otkrivanje prijevara u zdravstvenom osiguranju, personalizaciju tretmana i analizu medicinskih slika. Rad proučava podatkovni skup u svrhu identifikacije rizičnih faktora i predviđanja dijagnoze raka pluća. Provedena je eksploratorna analiza s ciljem boljeg shvaćanja skupa te su zatim, uz stečena saznanja o značajkama skupa, implementirana četiri prediktivna modela čiji su rezultati prikazani i međusobno uspoređeni. This paper explores the application of statistical methods and machine learning techniques in healthcare data analysis. The use of machine learning in the healthcare sector includes disease classification, diagnosis prediction, fraud detection in health insurance, treatment personalization and medical image analysis. The paper explores the dataset with the aim of identifying risk factors and predicting lung cancer diagnosis. An exploratory analysis was conducted to gain a better understanding of the dataset. Based on the acquired knowledge of the dataset's features, four predictive models were implemented and their results were presented and compared.

U ovom radu razvijen je sustav koji omogućuje praćenje potrošnje električne energije, toplinske energije i vode u kućanstvima. Sustav je temeljen na višeslojnoj arhitekturi koja se oslanja na koncept velikih podataka te je sastoji od lokalno instaliranih komponenti koje su povezane s uslugama u oblaku. Sustavom se omogućuje prikupljanje, obrada, analiza i vizualizacija podataka u stvarnom vremenu. This thesis presents a system developed for monitoring the consumption of electricity, heat and water in households. The system is based on a multilayer architecture that relies on the concept of big data and consists of locally installed components connected to cloud services. The system enables real-time data collection, processing, analysis and visualization.

U radu je provedena analiza podataka na povijesnim podacima o utrkama Formule 1. Na temelju analize su izvedeni zaključci o značajkama koje bi mogle utjecati na vjerojatnost pobjede vozača. Odabrane su najbitnije značajke i kombinirane u skup podataka koji je korišten za treniranje modela. Problem je tretiran i kao klasifikacijski i kao regresijski pa su korištene prikladne metode strojnog učenja. Prikazani su i uspoređeni rezultati korištenih metoda. In the paper, data analysis was performed on historical data on Formula 1 races. Based on the research, conclusions were drawn about the features that could affect the probability of a driver's victory. The most important features were selected and combined into a dataset that was used to train the model. The problem was treated as both classification and regression, so appropriate machine learning methods were used. The results of the methods used are presented and compared.

Konformna predikcija neparametarska je metoda za kvantificiranje neizvjesnosti modela strojnog učenja. Može se koristiti povrh bilo kojeg modela strojnog učenja. Konformna predikcija proizvodi kalibrirane prediktivne skupove i garantira marginalnu pokrivnost točne vrijednosti koristeći konačan broj podatkovnih točaka, bilo koji model i bilo koju podatkovnu distribuciju. Mjerna nekonformnosti je ključan koncept konformne predikcije i mjera je koliko se novi primjerak ne konformira viđenim primjercima. Kalibracija prediktivnih skupova obavlja se koristeći nekonformnost kalibracijskog skupa. Conformal prediction is a distribution-free method for uncertainty quantification of machine learning models. It can be used as a wrapper around any machine learning model. Conformal prediction produces calibrated predictive sets instead of point outputs and guarantees marginal coverage of prediction sets using a finite number of data points, any model, and any data distribution. Nonconformity measure is the key concept of conformal prediction, which measures how strange new examples are given the seen examples. Calibration of prediction sets is performed using nonconformity score distribution obtained on the calibration data.

Turistički sektor može polučiti velike benefite od kvalitetne primjene analize podataka. Kvalitetan uvid u dinamiku rezervacija smještaja, potražnju i potrebe klijenata može ponuđaču turističkih usluga dati mogućnost donošenja poslovnih odluka koje će s jedne strane dodatno podići kvalitetu ponude i zadovoljstvo klijenata, a s druge rezultirati većim profitima. Zadatak ovog rada jest prikupiti podatkovni skup povezan uz turistički sektor, provesti eksploratornu analizu nad tim podacima i razviti prediktivni model za odabrane zavisne varijable. Konačno rješenje potrebno je realizirati u obliku programske skripte koje će implementirati razvijene modele i evaluirati njihovu učinkovitost uz komparativnu analizu korištenih metoda. The tourism sector can benefit from the quality application of data analysis. Quality insight into the dynamics of accommodation reservations, demand and customer needs can give the tourism service provider the opportunity to make business decisions that will on the one hand, further raise the quality of the offer and customer satisfaction, and on the other hand, result higher profits. The task of this paper is to collect a data set related to the tourism sector, to implement exploratory analysis of these data and develop a predictive model for selected dependent variables. The final solution needs to be implemented in the form of a program script that will implement the developed models and evaluate their effectiveness with comparative analysis of used methods.

U ovom radu su opisani neki od alata za stvaranje skupova podataka sa svrhom očuvanja kibernetičke sigurnosti te su navedeni glavni nedostaci istih. Dana je specifikacija takvog sustava koji ne bi imao te nedostatke te je predložen idejni model. Predstavljena je teorijska podloga najvažnijih koncepata za ostvarivanje opisanog sustava koji su kontejnerizacija i komunikacija procesa. Nakon toga su opisane korištene tehnologije i arhitektura sustava s opisom svake komponente. Nakon opisa sustava su analizirani skup podataka stvoren razvijenim alatom i stablo odluke naučeno na stvorenom skupu. Analizom je zaključeno da su stvoreni podaci nedovoljno kvalitetni za učenje modela za detekciju upada, ali je potvrđen koncept sustava koji u stvarnom vremenu distribuira stvorene podatke o mrežnom prometu. In this thesis, some of the tools for creating datasets for cybersecurity system development are described along with their main flaws. A specification of a system which would not have these flaws is given and the model of the solution is proposed. Key concepts for implementing such a system are covered, which were containerization and process communication. After this, the technologies and architecture of the system are described, as well as all of the components. After describing the system, a dataset generated with the implemented tool is analyzed, as well as a decision tree fit on the dataset. The conclusion of the analysis is that the generated data is of quality far too poor to train an intrusion detection system but the proof of concept for a system with real-time distribution of generated data is confirmed.

Osnovni zadatci nenadziranog strojnog učenja su grupiranje, procjena gustoće, otkrivanje anomalija i stršećih vrijednosti i smanjenje dimenzionalnosti. Nenadzirano strojno učenje ima veliku primjenu u marketingu. Danas to područje obiluje podatcima pomoću kojih tvrtke mogu razumjeti potrebe kupaca i steći njihovu naklonost, a time i dugoročni profit. U ovom je radu naglasak na metodama grupiranja kupaca na temelju njihovih karakteristika i potrošačkih navika. Na odabranom podatkovnom skupu provedena je eksploratorna analiza, reducirana dimenzionalnost te su primijenjeni algoritmi K-sredina, K-medoida i algoritam hijerarhijskog grupiranja (HAC). Uočeno je da na ovom podatkovnom skupu algoritam K-sredina dao bolje rezultate od algoritma K-medoida: dobivene 3 grupe su bile homogenije. Na temelju razlika između grupa kupaca tvrtka bi mogla personalizirati buduću marketinšku kampanju. Unsupervised machine learning models are utilized for four main tasks: clustering, density estimation, anomalies and outliers detection, and dimensionality reduction. Nowadays, there's a lot of data that can be used to satisfy customer needs and sustain a profitable business. Therefore, unsupervised machine learning plays a major role in marketing. The main focus of this paper is customer clustering techniques. Before performing customer segmentation based on their characteristics and purchase behavior, an exploratory analysis of chosen dataset has been done. Clustering algorithms that were used in this paper are the K-means algorithm, the K-medoids algorithm, and hierarchical agglomerative clustering (HAC). It turned out that the K-means algorithm outperformed the K-medoids algorithm on this dataset: 3 obtained clusters were more homogeneous. Based on differences among clusters company could personalize its future marketing campaign.

Ovaj rad se bavi implementacijom sustava za dinamičko prikupljanje i skladištenje podataka o mrežnom prometu baziranih na sustavima strujećih događaja. Sustav je izgrađen pomoću klasa u Javi i programa Apache Kafka. Opisane su karakteristike i funkcionalnosti općenitih sustava strujećih događaja i mogućnosti koje oni nude, a rad i učinkovitost sustava opisani su kroz isječke koda i izlaze programa. This paper deals with the implementation of systems for dynamic collecting and storaging of network traffic data based on event stream systems. The system was built using Java classes and the Apache Kafka program. The characteristics and functionalities of event stream systems in general and the possibilities they offer are described, and the work and efficiency of the system are described through snippets of code and program outputs.

Jedna od metoda zaštite mrežnog prostora je pregled aktualnog stanja mreže i njenih podataka. Zbog toga u ovom završnom radu je implementirana web aplikacija koja omogućuje upravo tu vrstu zaštite. Web aplikacija je sastavljena od tri komponente : generatora mrežnih podataka, baze podataka i nadzorne ploče. Nadzorna ploča je temelj ovog završnog rada , te kroz razne grafičke komponente prikazuje trenutno stanje mreže i karakteristike napada u mrežnom prostoru. Na taj način pruža analizu mrežnih podataka , te korisniku bolje prezentira domenu mrežnog prostora. Generator mrežnih podataka je implementiran putem programskog jezika Python , baza podatak putem PostgreSQL , a nadzorna ploča putem Spring Boot radnog okvira Display of the current network state is one of the methods of cyber security. This paper explains an implementation of a web application that offers that kind of network protection. The app contains three components : a network generator , a database , and a dashboard. With multiple graphs and charts , the implemented network dashboard displays the current state of network, as well as the characteristics of network attacks. With that functionality, „Network Dashboard – Security Monitoring“ gives a better understanding of networks and cyberspace. The dashboard is implemented with Spring Boot and React.js , database with PostgreSQL, and the network generator with Python

Strojnim učenjem moguće je razviti model koji će nam dati vrijedne informacije za razumijevanje opće ekonomske situacije. Informacije su skrivene u podatcima i do njih je moguće doći dubinskom analizom. Primjenom programskog jezika Python i njegovih biblioteka razvijen je model koji pomaže u razumijevanju opće ekonomske situacije građana SAD – a. Objašnjeni su osnovni koncepti eksploratorne analize podataka i osnovni koncepti klasifikacije modela. Klasifikacija je izvedena koristeći pet različitih klasifikatora, te je objašnjen princip izgradnje modela svakoga od njih. .

Analiza je podataka u stvarnom vremenu potrebna u brojnim velikim sustavima, a korištenje strujećih tehnologija predstavlja najbolje rješenje za te sustave. Apache kafka softver je koji nam pojednostavljuje korištenje tih podataka, omogućavajuci nam odrediti tko, što, gdje i kako šalje te tko ima pristup čitanju podataka. Zbog svog je načina rada, Kafka vrlo skalabilna, a ukoliko je dostupnost količine resursa dostatna, broj podataka nije problem. U ovom radu se izgradio jedan sustav koji koristi Kafku, dakle ima proizvođače koji šalju podatke na teme i potrošače koji su pretplaćeni na te teme. Naglasak je bio na funkcioniranju cijelog sustava kao cjeline, a ne na rad pojedinih komponenata pa je njihova implementacija pojednostavljena u odnosu na to kakva je ona zapravo. Many large systems require analysis of data in real time. The best solution for that is data streaming. Apache Kafka is a software that simplifies handling of such streaming data and allows us to determine who, what, where and how does it send data and who has access to that data. Because of the way Kafka works, it is scalable and if there is access to enough resources the number of data is not an issue. A system that uses Kafka is built in this paper, consequently it has producers that send data to topics and consumers that are subscribed to that topics. The emphasis was on the functionality of the system as a whole, not on the functionality of its components, so their implementation is simplified compared to the way it really is.

Rad se bavi metodama objašnjivosti koje se koriste na nekoliko često korištenih vrsta umjetnih neuronskih mreža.Na studijskom primjeru procjene starosti školjaka se prikazuje rad nekoliko agnostičnih metoda i onih specifičnih za umjetne neuronske mreže.Razmatraju se i specifični postupci za konvolucijske i povratne umjetne neuronske mreže te neke od vrsta podataka na kojima su one često primijenjene. The paper deals with explanatory methods used on several commonly used types of artificial neural networks. On the case study of estimating the age of shellfish, it shows the work of several agnostic methods and those specific to artificial neural networks. Specific methods for convolutional and recurrent artificial neural networks are also described, as well as some of the types of data on which they are often applied.

U današnje vrijeme, kada se većina ekonomskih, komercijalnih, kulturalnih, socijalnih i upravnih aktivnosti odvija "online", kibernetička sigurnost ima vrlo važnu ulogu. Eksponencijalni rast broja i raznolikosti kibernetičkih napada doveo je do potrebe za automatizacijom procesa ekstrakcije znanja iz svakim danom sve većeg broja podataka, a idealnim alatom za to pokazalo se strojno učenje. Kako bi modelima strojnog učenja implementiranima u svrhe očuvanja kibernetičke sigurnosti bilo moguće vjerovati, odnosno kako bi se povećala količina ljudskog znanja o domeni te spriječile potencijalne netočne i nepouzdane predikcije, potrebno je da implementirani modeli budu interpretabilni. Interpretabilnost modela strojnog učenja moguće je postići korištenjem "white-box" modela koji su jednostavni te pri treningu koriste metode koje ekstrahiraju znanje u ljudski interpretabilnom obliku, no takvi modeli često nisu dovoljno kompleksni te ih svojim performansama nadmašuju puno moćniji, no nažalost neinterpretabilni "black-box" modeli. Potreba za iskorištavanjem prediktivne moći "black-box" modela uz zadržavanje interpretabilnosti dovela je do razvoja područja objašnjivosti u strojnom učenju. Ovaj rad fokusira se na korištenje agnostičkih metoda objašnjivosti kako bi se interpretirao rad "black-box" modela treniranih nad skupom podataka vezanim uz kibernetičku sigurnost. Globalne agnostičke metode korištene su u svrhu generalne interpretacije te potencijalne redukcije broja značajki implementiranih modela, dok su lokalne agnostičke metode korištene u svrhu dobivanja detaljnih objašnjenja nad individualnim predikcijama. Rezultati "black-box" modela te pravila ekstrahirana agnostičkim metodama uspoređeni su s rezultatima i pravilima ekstrahiranima iz "white-box" modela treniranih pod istim uvjetima nad istim podatkovnim skupom. Today, when most of the economic, commercial, cultural, social and government activities are carried out online, cybersecurity plays a very important role. Exponential growth in the number and variety of cyber-attacks created a need for the automation of knowledge extraction from the constantly growing amount of data. The ideal tool for such automation turned out to be machine learning. To create confidence in machine learning algorithms implemented in order to obtain cybersecurity, to increase the amount of cybersecurity knowledge and to prevent potentially incorrect and unreliable predictions, the implemented algorithms need to be interpretable. Interpretability of the machine learning models can be achieved by using simple "white-box" models that extract knowledge in a human-friendly format in the process of learning, but such models are usually not complex enough and thus outperformed by the powerful, but not easily interpretable "black-box" models. In order to keep both the predictive power of "black-box" models and the interpretability of "white-box" model, a new field in machine learning was developed that focused explicitly on the interpretability. This thesis focuses on using model agnostic methods to explain the predictions made by "black-box" models trained on a cybersecurity-related dataset. The global agnostic methods are used to explain the general model behavior and potentially reduce the number of features necessary for the model training, while the local agnostic methods are used to provide detailed explanations on individual predictions. The results of the implemented "black-box" models and the rules extracted by the model agnostic methods are compared with the results and rules provided by the "white-box" models trained under the same conditions on the same dataset.

U sklopu ovog rada napravljena je analiza o podacima vezanim za bankovne transakcije. Objašnjen je pojam strujećih podataka, odnosno objašnjeni su podaci u stvarnom vremenu. Opisan je pregled tehnologije u analizi strujećih podataka te koje su prednosti korištenja Kafka tehnologije. U radu je napravljena analiza podataka o bankovnim transakcijama te su izgrađeni klasifikatori pomoću metoda strojnog učenja. Općenito je na slučaju podataka o transakcijama implementiran sustav detekcije prijevara korištenjem Apache Kafka tehnologije. Objašnjen je mehanizam i konfiguracija detekcije prijevare te su prikazani rezultati. As part of this paper, an analysis of data related to banking transactions was made. The streaming analytics is explained, ie real-time data is explained. An overview of the technology in the analysis of real-time data is given and the advantages of using Kafka technology is described. In the paper banking transactions data was analyzed and classifiers were made using machine learning methods. In general, a fraud detection system has been implemented using Apache Kafka in the case of transaction data. The mechanism and configuration of fraud detection is explained and the results are presented.

Konvolucijske neuronske mreže su poznate po njihovim nevjerojatnim postignućima u području računalnog vida, ali kao modeli crne kutije pate od manjka transparentnosti. Postoje metode objašnjivosti koji pokušavaju dati uvide u metodologiju koju mreže koriste kada stvaraju zaključke. Ove metode su veoma subjektivne, i ne postoji objektivni, opće prihvačeni način za mjerenje njihove korisnosti. Metode su detaljno objašnjene, s opisima o napretku koji su ostvarili kroz vrijeme. Metode su zatim korištene i uspoređene na raznim skupinama podataka, s naglaskom na njihovu primjenjivost, pronicljivost, i lakoću korištenja. Convolutional neural networks are known for being capable of increadible feats in computer vision, but as a black box model they suffer from a lack of transparency. There are explanatory methods that attempt to give insights into the inference methodology of these networks. These methods are highly subjective in nature, and there is no objective, universally agreed way to measure their usefulness. These methods are described in detail, with descriptions on the progress that has been made on their improvement over time. The methods are then used and compared on various datasets, with attention given to their applicability, insightfulness, and ease of use.

Napadi na komunikacijsku mrežu predstavljaju problem ostvarenja sigurnosti podataka. Detekcija napada i provođenje ispravnih postupaka za njegovo otklanjanje jedan su od glavnih načina borbe protiv napada. Tema napisanog rada je analiza podataka koji predstavljaju promet mreže i gradnja klasifikatora koji bi prepoznavali razrede napada. Analizom podataka ustanovljena je neravnomjerna rasprostranjenost podataka između razreda. Naduzorkovanjem pa poduzorkovanjem je uklonjen taj problem te su ponovljeni algoritmi klasifikacije. Pokazalo se da su se rezultati klasifikatora poboljšali. Modeli s najboljim rezultatima su ekstremno pojačavanje gradijenta i stroj potpornih vektora. Klasifikatori su postizali točnost od 49\% do 79\%. Model koji je imao najlošiju točnost prije naduzorkovanja i poduzorkovanja, ali kojem se i točnost povećala za 15\% je naivni Bayesov klasifikator. Attacks on the communication network are a problem of data security. Detecting an attack and carrying out the correct procedures to eliminate it are one of the main ways to fight an attack. The topic of this paper is the analysis of data representing network traffic and the construction of classifiers that would identify attack classes. Data analysis revealed an uneven distribution of data between classes. Oversampling and then undersampling over data removed this problem and the classification algorithms were repeated. Classifier results have been shown to improve. Model with best results are Extreme gradient boosting and Support vector machines. Classifiers achieved accuracy from 49% to 79%. The model that had the worst accuracy before oversampling and undersampling, but whose accuracy also increased by 15% is Naive Bayes classifier.

Prikupljeni podaci s interneta često su u formatu koji nije prikladan za obrađivanje stoga ih je potrebno pretvoriti u format kojim se jednostavno služiti i upravljati. Također ti isti podatci mogu biti spremljeni na različitim lokacijama zbog čega je njihov pronalazak otežan. Zbog navedenih razloga potrebno je izgraditi sustav koji će dinamički skladištiti podatke na različite oblike spremišta podataka. U ovom radu razvijen je sustav koji dinamički skladišti podatke u oblaku i to podatke koji predstavljaju analizirani mrežni promet. Razvojem ovog sustava riješeni su navedeni problemi jer se podatci spremaju u lako obradivom JSON formatu. Također podaci spremljeni unutar oblaka dostupni su u bilo kojem trenutku i na bilo kojem mjestu te unutar samog skladišta mogu biti posloženi unutar direktorija ovisno o vremenu dolaska, vrsti mrežnog napada i slično. Data collected from the Internet is often in a format that is not suitable for processing, so it needs to be converted into a format that is easy to use and manage. Also, this same data can be stored in different locations and therefore would be difficult to find. For the reasons above, it is necessary to build a system that will dynamically store data on various forms of data storage. In this thesis, a system was developed that dynamically stores data in the cloud, data that represents the analyzed network traffic. The development of this system has solved all of the previous problems because data is saved in an easy-to-operate JSON format. Also, data store within the cloud is available at any time and any location and can be arranged within the repository depending on the time of arrival, type of network attack, and so on.

Sustavi za obranu mreže od malicioznih paketa ili općenito pokušaja prodora rukovode s ogromnim količinama mrežnih podataka iz kojih se primjenom strojnog učenja može izvući znanje i prepoznati određene pravilnosti kako bi se obrana mreže automatizirala. Takvi podaci često nisu označeni ili ih je skupo označavati pa je potrebno pronaći model ili skupinu modela s obzirom na prirodu samog problema. Primjenom programskog okruženja Python i određenih modula za strojno učenje, obradu i vizualizaciju podataka razvijen je sustav za automatsko grupiranje, detekciju anomalija i klasifikaciju mrežnih podataka u svrhu odjeljivanja primjera koje mreža treba propustiti i onih koje ne smije. Objašnjena je cijela faza predobrade i eksploratorne analize podataka te svih korištenih modela. Mjere za vrednovanje modela opisane su i primijenjene na izrađene modele te su rezultati komentirani. Network security systems while defending network from malicious packets or attempted intrusions manage huge amounts of network data from which knowledge and certain patterns can be recognized by applying machine learning methods in order to automate network defense. Such data are often unlabeled or expensive to label, so it is necessary to find a model or group of models given the nature of the problem itself. Using the Python software environment and certain modules for machine learning, data processing and visualization, a system for automatic grouping, anomaly detection and classification of network data has been developed in order to separate examples that need to be pass through network and those that should not be. The whole phase of pre-processing and exploratory data analysis and all used models are explained. Measures for model evaluation are described and applied to the developed models and finally the results are commented.

Ovaj rad na temelju povijesno dostupnih podataka vezanih uz teniske mečeve modelira profile igrača s karakteristikama koje se mogu koristiti prilikom prediktivnog modeliranja.Prvi dio rada predstavlja osnovna pravila tenisa, podzadinu prediktivnog modeliranja te statističku analizu podataka koja se koristi prilikom prikaza rezultata.U drugom dijelu rada prikazani su i analizirani rezultati karakteristika dobivenih prilikom izgradnje profila te predloženi modeli za prediktivno modeliranje. Modeli u obzir uzimaju vjerojatnosti osvajanja poena na vlastitom i protivničkom servisu, vjerojatnost osvajanja gamea, vjerojatnost osvajanja seta te vjerojatnost osvajanja meča. U zadnjem dijelu obrađena je tema zamaha koji je modeliran kao uvjetna vjerojatnost. Na temelju tako modeliranog zamaha te deskriptivne analize predloženi su dodatni parametri koji bi se uzimali u obzir prilikom predikcije teniskih mečeva. This paper forms profiles of the players with characteristics that could be used for predictive modeling based on the data available throughout the history of the tennis matches. First part of the paper presents basic tennis rules, the background of the predictive modeling, data analysis process description and statistical analysis of the data used in result presenting. The second part shows results that were created by profile forming; and suggested models for predictive modeling. Models take in consideration the probabilities of winning the point in the opponent's or in own serve, the probability of winning the game, the probability of winning set and the probability of winning match. Topic of momentum is described in the last section. It's modeled as conditioned probability. Based on descriptive analysis of momentum modeled in that way, additional parameters that would be considered whilst predicting tennis matches are given.

U ovom radu cilj je bilo pronaći podatke vezane u COVID-19, razviti prediktivne modele strojnog učenja, te vidjeti iskoristivost MCMC metoda u tu svrhu. Modeli strojnog učenja nam mogu prikazivati razvoj COVID-19 pandemije u budućnosti i koliko nam neke značajke utječu na rješenje. MCMC modele koristili smo kako bi dobili distribuciju s kojom možemo vidjeti nalazimo li se u vrhuncu pandemije, kada je počeo i kada je završio. Kroz diplomski rad može se vidjet kratki uvod u strojno učenje i MCMC metode, te rješenja za različite modele koji su opisani. In this work, the aim was to find data related to COVID-19, develop predictive models of machine learning, and to find usage of MCMC methods for these purposes. Machine learning models can show us development of COVID-19 pandemic in the future and how much some features affect our solution. MCMC models were used to get distribution which shows us peak of pandemic when it started and when it ended. Through this work you can see brief introduction to machine learning and MCMC methods, and solutions for the various models described.

U ovom radu provedena je eksploratorna analiza podatkovnog skupa teniskih mečeva te su na osnovu značajki iz tog skupa izrađeni prediktivni modeli za predviđanje pobjednika u teniskom meču. U prvim poglavljima opisana su pravila tenisa te dijelovi statističke analize podataka, statistički modeli i modeli strojnog korišteni kasnije u radu. U drugom dijelu rada izrađeni su izloženi prediktivni modeli te su prikazani rezultati predviđanja na osnovu raznih kombinacija ulaznih varijabli. In this paper, an exploratory analysis of the data set containing data about tennis matches was performed, and based on the features extracted from that data set, predictive models were developed to predict the winner of a tennis match. The first chapter describes rules of tennis and parts of statistical data analysis as well as statistical and machine learning models used later in the paper. In the second part of the paper, previously described models are developed and the results of predictions with various combinations of input variables are presented.

Pomoću raznih deskriptivnih metoda provedena je analiza u domeni računalnih igara. Korištenjem metoda eksploratorne analize poput vizualizacije i računanja osnovnih statističkih mjera poput prosjeka i medijana dobiveni su osnovni uvidi u podatkovni skup. Upotrebom strojnog učenja, preciznije grupiranja algoritmom k-srednjih vrijednosti igrači su profilirani na temelju njihovih statističkih vrijednosti odabranih pomoću provedene eksploratorne analize. Korištenjem algoritma slučajnih šuma igrači su se profilirali po njihovom primarnom oružju koristeći nekoliko statističkih vrijednosti koje su odabrane na temelju rezultata eksploratorne analize. Analysis in the domain of computer games was performed using various descriptive methods. Using exploratory analysis methods such as visualization and calculation of basic statistical measures such as averages and medians, basic insights into the data set were obtained. Using machine learning, more precise the k-means algorithm, players were profiled based on their statistical values which were ​​selected by using exploratory analysis. Using the random forests algorithm, players were profiled by their primary weapon using several statistical values ​​selected based on the results of exploratory analysis.

Ovaj rad daje uvid u primjenu metoda statističke i eksploratorne analize i algoritama strojnog učenja u domeni sporta. Opisan je postupak prikupljanja statističkih podataka košarkaških utakmica NBA lige, a zatim je provedena eksploratorna analiza nad podacima. Algoritmima strojnog učenja razvijena su tri različita modela za predviđanje ishoda utakmice i dana je međusobna usporedba i evaluacija rezultata modela. This paper provides insight into the application of statistical and exploratory analysis and machine learning algorithms in the field of sports. We described the process of collecting statistical data of NBA basketball games, and then an exploratory analysis of the data was performed. Using machine learning algorithms, we developed three different models for predicting the outcome of a match and a mutual comparison and evaluation of models has been given.

U ovom radu je predstavljena uporaba Bayesovih mreža na problematici širenja pandemije COVID-19 virusa. Rad objedinjuje dvije analize. Prva analiza se dotiče analize nevremenskih podataka Bayesovim mrežama. Druga analiza obrađuje vremenske podatke novozaraženih, novotestiranih i novoumrlih dinamičkim Bayesovim mrežama. Također, analiza prikazuje utjecaj određenih demografskih, geografskih i ekonomskih faktora na širenje COVID-19 virusa. Kao podloga analize korištene su strukture Bayesovih mreža naučene algoritmima učenja strukture. Također, rad prikazuje prikladnu pripremu podataka za obradu Bayesovim mrežama. This thesis presents the usage of Bayesian networks as a tool for pandemic data analysis related to COVID-19 pandemic. The thesis is split into two parts. First part analyses static data using Bayesian networks. The second part displays methods for analysing dynamic (time series) data of new cases, tests and deaths using dynamic Bayesian networks. Furthermore, the analysis shows causal effects of certain demographic, geographic and economic factors on the spread of COVID-19 virus. The basis of the analysis is presented by the usage of structure learning algorithms for Bayesian networks. Also, the thesis presents complementary data preparation techniques used for Bayesian network analysis.

Ovaj rad analizira potrebu računarske sigurnosti, potrebu kibernetičke sigur- nosti i problem zlonamjernih programa te njihov utjecaj na računalne sustave. Analiziraju se i opisuju izvršne datoteke programa operacijskog sustava Microsoft Windows i njihovo PE zaglavlje koje sadrži razne vrijednosti od kojih neke uka- zuju na legitimnost, odnosno zlonamjernost programa. Rad zatim opisuje teoriju nekoliko izabranih algoritama nadziranog strojnog učenja, područja umjetne in- teligencije, a to su logistička regresija, stablo odluke, slučajna šuma i neuronske mreže. Koristeći metode Znanosti o podacima te pomoću izabranih algoritama, nad skupom podataka koji je preuzet s interneta i nad kojim je provedena eks- ploratorna analiza podataka te koji pripremljen za strojno učenje, grade se klasi- fikacijski modeli. Završni rad uspoređuje izgrađene modele i donosi zaključke. This paper analyses the need for computer security, for cybersecurity and the effect of malware and malicious programs on computer systems. Executable files for Microsoft Windows operating systems are examined, specifically their PE headers which they all contain and which are used for identifying the legi- timacy of a program. Following that this paper examines the field of Artificial intelligence and describes select supervised learning machine learning algorithms, specifically Logistic regression algorithm, Decision tree algorithm, Random Forest algorithm and Neural networks. Using the field of Data science and the menti- oned algorithms this paper builds several classification models and trains them on a downloaded dataset which is explored and prepared for machine learning consumption. Finally, the built models are compared, and conclusions are given.

Cilj ovog rada je odrediti koji elementi odbojkaške igre najviše utječu na ostvarivanje što boljih rezultata (pobjeda). Korišteni su podaci sa ženskog europskog prvenstva 2019. godine. Igra je podijeljena na 6 elemenata: servis, prijem servisa, dizanje, napad, blok i obranu. Za svaki element osim dizanja izračunata je uspješnost izvođenja istog prema kriteriju koji koristi svjetska odbojkaška federacija (FIVB). Pokazalo se da najbolje ekipe ostvaruju najveću prednost u napadu, bloku i prijemu. Servis i obrana manje utječu na konačan rezultat zbog prirode njihova izvođenja --- to su akcije nakon kojih se najčešće nadigravanje nastavlja. Dizanje je isključeno iz analize zbog ovisnosti o akcijama koje mu prethode (prijem ili obrana) i slijede(napad). Rezultati mogu pomoći trenerima i igračima za pripremu vlastitih treninga ili razvoj taktike za natjecanje. The purpose of this study was to evaluate the importance of technical skills in volleyball and it's impact on overall succes. Data used in this study are from the 2019 Women's European Volleyball Championship. The game itself is divided into 6 skills: serve, reception, set, attack, block and dig. For each skill, except for the set, the efficacy is calculated using the FIVB's criteria. The results show that the best teams outperformed others in attack, block and reception. On the other hand, serve and dig are less significant for the final result --- the rally mostly continues after the mentioned actions. Set is excluded from the analysis because of its dependency on previous (reception or dig) and next (attack) action. Coaches and players could benefit from the results in the process of coaching or planning the winning strategy.

Zadatak diplomskog rada bio je napraviti programsku podršku koja će omogućiti pružateljima usluga ponudu svojih usluga korisnicima. Tako korisnici na jednom mjestu mogu pronaći usluge koje su im potrebne. Administrator sustava može pregledati sve kreirane usluge te obrisati one za koje misli da su neprimjerene ili da se radi o prevari. Također ima popis i svih registriranih pružatelja usluga te može pregledati detalje o svakome. Potrebno je bilo izraditi poslužiteljsku stranu sustava prema principu čiste arhitekture kako bi programski kod bio razumljiviji, lako održiv te fleksibilan na promjene. The task of my master's thesis was to create software that will enable service providers in offering their services to customers. That way customers can find services that they need in one place. The system's administrator can see all services created and delete ones he thinks are inappropriate or a scam. Also, he has a list of all registered service providers and can see details about them. It was necessary to create the server-side of the system based on clean architecture principles in order to make programming code more understandable, easier to maintain, and flexible to changes.

U sklopu ovoga rada napravljena je analiza podataka o cijenama dionica te je objašnjen pojam vremenske serije. Zbog velike količine dostupnih podataka, podaci o cijenama dionica su zahvalno područje za analizu koja može biti ekonomski isplativa. U radu je detaljno objašnjena obrada podataka primjenom metoda statistike. Objašnjeni su modeli za predviđanje vremenskih serija i financijskih vremenskih nizova. Izgradnja modela je napravljena pomoću metoda strojnog učenja. Na slučaju predviđanja zaključnih cijena dionica s američkog tržišta prikazane su razlike između dva najčešća modela za prognoziranje vremenskih serija, a svi rezultati su prikazani grafički. As part of this paper, an analysis of stock price data was made and the concept of time series was explained. Due to the large amount of data available, stock price data is a thankful area for analysis that can be economically viable. The paper explains in detail the data processing using statistical methods. Models for predicting time series and financial time series are explained. Building of models was done using machine learning methods. In the case of predicting closing stock prices from the US market, the differences between the two most common models for forecasting time series are shown, and all the results are shown graphically.

U ovom radu je analiziran skup podataka o zračnom prometu na području Sjedinjenih Američkih Država. Prvo je provedena eksploratorna analiza kojom se dobiva uvid u karakteristike skupa s kojim se radi. Nakon eksploratorne analize, cilj je bio sagraditi nekoliko modela kojima bi se pokušalo predviđati cijene zrakoplovnih karata. Prvi isprobani model bio je linearni model. Drugi model bio je dobiven metodom k-najbližih susjeda. Ova metoda se pokazala boljom od linearne regresije, ali još uvijek ne dovoljno zadovoljavajućom. Treći model bio je umjetna neuronska mreža sa zakašnjenjem koja je na ulaz primala 8 prethodnih cijena. Ovaj model je u usporedbi s prethodnim modelima bio znatno bolji, ali objektivno, prosječna apsolutna pogreška je i ovdje bila daleko od idealne. In this thesis, a dataset regarding air traffic data in The United States of America is analysed. First, an exploratory analysis was conducted so as to gain an insight into the dataset characteristics. After the exploratory analysis, the goal was to create a few models for predicting flight fares. The first created model was a linear model. The second model was built with the k nearest neighbours method. This method proved to be better than linear regression, but still not quite satisfactory. The third model was a time delay neural network which was given 8 previous fares as its input. This model proved to be much better comparing to the previous two models, but objectively the mean absolute error was still far from ideal.

Kolaborativno učenje je novi pristup treniranju modela umjetne inteligencije na distribuiranim podacima i uređajima. Ovakvim pristupom podaci ostaju pohranjeni lokalno i time se čuva privatnost. Treniranje modela u tako heterogenom sustavu dovodi do novih izazova različitih od već dobro utvrđenih metoda. U radu su opisane uobičajene metode kolaborativnog procesa, a dokaz koncepta ukazuje na utjecaj hiperparametara na proces. Dokaz koncepta pokazuje izazove koji se mogu pojaviti u procesu treniranja nad akademskim podacima kategorizacije MNIST brojeva i kako ih se može ublažiti dobrim odabirom hiperparametara, ovisno o problemu. Federated learning is a new approach to train models of artificial intelligence on distributed data and devices. With this approach data can be left stored locally and will preserve privacy. Training models in such elaborate system induces new challenges in contrast to well established methods. Paper describes common methods to achieve such process as well gives proof of concept to demonstrate significance of hyperparameters on the process. Proof of concept demonstrates challenges models might occur in process of training on academic data of categorizing MNIST numbers and how it can be alleviated via good hyperparameter selection depending on problem.

Rijetki događaji u podatkovnim skupovima predstavljaju velik problem zbog velike zahtjevnosti njihove klasifikacije. Problem proizlazi iz neuravnoteženosti instanci normalnih i rijetkih događaja. Upravo zbog toga je potrebno promijeniti pristup izrade predikcijskog modela koji bi ih uspješno klasificirao. Ovakve situacije se često javljaju u područjima medicine i informacijske sigurnosti, sve do prijevara u kartičnom poslovanju, čijom problematikom se ovaj rad bavi. Za savladavanje neuravnoteženosti podataka koriste se metode poduzorkovanja i preuzorkovanja, a za izradu modela koriste se algoritmi logističke regresije, k-najbližih susjeda, slučajnih šuma i neuronskih mreža. Iz dobivenih rezultata vidljivo je da je metoda SMOTE preuzorkovanja povoljnija zato što, za razliku od poduzorkovanja, ne dolazi do gubitka informacija. Što se modela tiče, najbolji rezultati dobiveni su za algoritme k-najbližih susjeda i slučajnih šuma. No, kako je svaki bolji za određenu metriku, jedino krajnji korisnik može odlučiti o tome koji mu je prihvatljiviji, što je u ovom slučaju banka. Zbog velike širine područja klasifikacije, koristili su se jednostavni algoritmi strojnog učenja te su dobiveni rezultati, s tim na umu, zadovoljavajući. Rare events in data sets pose a major problem due to the high complexity of their classification. The problem stems from an imbalance of instances of normal and rare events. That is why it is necessary to change the approach to creating a prediction model that would successfully classify them. Such situations often occur in the fields of medicine and information security, all the way to fraud in the card business, the issues of which this paper deals with. Undersampling and oversampling methods are used to overcome data imbalances, and logistic regression algorithms, k-nearest neighbors, random forests, and neural networks are used to model. From the obtained results it is clear that the SMOTE method of oversampling is more favorable because, unlike undersampling, there is no loss of information. As for the model, the best results were obtained for the algorithms of k-nearest neighbors and random forests. But as each is better for a particular metric, only the end-user can decide which is more acceptable to him, which in this case is the bank. Due to the large breadth of the classification area, simple machine learning algorithms were used and the results obtained, with this in mind, were satisfactory.

Mrežni podaci predstavljaju skup podataka koji se šalju mrežom, najčešće internetom. U tim mrežnim podacima koji se prenose postoje i zlonamjerni podaci zvani napadi kojima je cilj naštetiti sustavu ili korisniku. Neki od tih napada su jako rijetki u odnosu na sve poslane mrežne podatke. Kako bi se zaštitili od tih rijetkih napada potrebno je napraviti dobro otkrivanje takvih mrežnih napada. Tu dolazi do problema klasifikacije rijetkih događaja gdje su određeni napadi toliko rijetki da ih modeli strojnog učenja zanemaruju, a metrike evaluacije prikrivaju. Nakon upoznavanja s domenom podataka i odabranim skupom podataka \textit{KDD Cup 99} korišteno je 6 različitih metoda učenja u Spark okruženju. Korištene metode su obično učenje, PCA uz k vrijednosti 5 i 10, te metode naduzorkovanja, poduzorkovanja i hibridna metoda uzorkovanja. Iako je najbolji rezultat za obične metrike postiglo obično učenje za model slučajnih šuma, detaljnijim pregledom točnosti za pojedinu klasu vidi se kako takav model ima lošu točnost za rijetke klase. Kada se u obzir evaluacije uzela i točnost po klasama koja ne ovisi o kardinalitetu skupa, najbolji rezultati postignut je za hibridnu metodu uzorkovanja koristeći model slučajnih šuma. Taj rezultat je pokazao da je moguće poboljšati klasifikaciju rijetkih događaja zadržavajući dobre rezultate evaluacije i za česte klase. Network data is a data set sent over a network, usually the Internet. There is also malicious data in these transmitted network data called attacks that targets the system or the user. Some of these attacks are very rare compared to all of network data sent. In order to protect against these rare attacks, it is necessary to make good detection of such network attacks. The problem of classifying rare events is present where certain attacks are so rare that machine learning algorithms ignore them and evaluation metrics conceal them. After getting acquainted within the data domain and the selected data set \textit{KDD Cup 99}, 6 different algorithms were used in the Spark environment. The methods used are raw learning, PCA with k values of 5 and 10, and then oversampling, downsampling, and hybrid sampling method. The best result for usual metrics was achieved by raw learning method for the random forest model. A closer look at the accuracy for a particular class shows that such model has poor accuracy for rare classes. When class-independent accuracy that does not depend on the cardinality of the set was taken into account, the best results were achieved for the hybrid sampling method using the random forest model. This result showed that it is possible to improve the classification of rare events while maintaining good evaluation results for frequent classes as well.

Preporučiteljski sustavi su softverski sustavi koji koriste algoritme za filtriranje sadržaja s ciljem da se pojedinom korisniku prikaže samo njemu relevantan dio ponude odnosno sadržaja sustava. Postoji nekoliko vrsta preporučiteljskih algoritama - neki od njih korisnicima prikazuju nepersonalizirani najpopularniji sadržaj, neki na temelju značajki korisnika i sadržaja rade klasifikaciju kako bi predvidjeli hoće li se korisniku (ili neće) svidjeti određeni sadržaj, a neki koriste kolaborativno filtriranje tj. na temelju sličnosti između stavki ili korisnika za određenog korisnika traže one stavke koje bi mu trebale biti najzanimljivije. U ovom radu analizirani su neki od algoritama Pythonove biblioteke Surprise te je procijenjena njihova uspješnost nad MovieLens 100k bazom podataka. Recommender systems are software systems that use content filtering algorithms with the aim of reducing content shown to a user to the items that he is likely to be interested in. There are several groups of recommender algorithms - the ones that show all the users the same most popular content without personalisation, the ones that use classification by user and item features to determine whether the user is going to like a specific item or not, and those that use collaborative filtering or, in other words, use similarity between items and users to determine which items are going to be most appealing to a specific user. This paper analyses some of the algorithms provided by Python’s Surprise library and estimates their precision above the MovieLens 100k database.

Analiza sentimenta zadatak je obrade prirodnog jezika čiji je cilj stvoriti automatizirani sustav koji je stanju odrediti sentiment tekstova pisanih prirodnim jezikom. U ovom radu provedena je analiza sentimenta na skupu tweetova pisanih hrvatskim jezikom. Za svaki je tweet u podatkovnom skupu ručno označen njegov sentiment. Tweetovi su najprije pretprocesirani. Pretprocesiranjem je iz tweetova uklonjen šum te su nakon toga oni tokenizirani i lematizirani. Zatim je provedena eksploratorna analiza korištenog skupa tweetova, a nakon toga klasifikacija sentimenta primjenom metoda strojnog učenja. Za potrebe klasifikacije sentimenta istrenirani su naivni Bayesov klasifikator, logistička regresija i stroj potpornih vektora te njihov glasački ansambl i stacking ansambl s logističkom regresijom, odnosno strojem potpornih vektora kao završnim estimatorom. Klasifikatori su trenirani na podatkovnim skupovima tweetova u kojima su emotikoni zamijenjeni odgovarajućim tekstom ili s uklonjenim emotikonima čije su značajke izdvajane metodom vreće riječi ili TF-IDF metodom. Dobiveni su zadovoljavajući rezultati. Točnosti klasifikatora kreću se od 62% do 65%, a njihove F1 mjere od 67% do 71%. Klasifikatori su postigli slične rezultate na skupovima tweetova s emotikonima i bez njih, ali nešto bolje rezultate uz TF-IDF metodu izdvajanja značajki. Sentiment analysis is a task of natural language processing whose goal is to create an automated system that is able to determine the sentiment of texts written in natural language. In this paper, the sentiment analysis was performed on a data set of tweets written in the Croatian language. For each tweet in the data set, its sentiment is manually annotated. Tweets are firstly pre-processed. As a part of pre-processing noise was removed from the tweets, after which they were tokenized and lemmatized. An exploratory analysis of the set of tweets used was then performed, followed by the sentiment classification using machine learning methods. For sentiment classification, the naive Bayes classifier, logistic regression and support vector machine, their voting ensemble and stacking ensemble with logistic regression or support vector machine as the final estimator were trained. The classifiers were trained on tweet data sets in which the emoticons were replaced with appropriate text or were removed. The features from the tweets datasets were extracted using TF-IDF and bag-of-words methods. Obtained results are satisfactory. The accuracy of the classifiers ranges from 62% to 65%, and their F1 measures from 67% to 71%. Classifiers achieved similar results on tweet data sets with and without emoticons, but slightly better results with the TF-IDF method of feature extraction.

Eksploratorna i dubinska analiza bave se proučavanjem podatkovnih skupova te izvlačenja korisnih informacija iz njih primjenom metoda statistike i strojnog učenja. Primjena ovakvih metoda u domeni medicine danas je od velike važnosti zbog mogućnosti poboljšanja dijagnosticiranja različitih bolesti, pa čak i u slučaju pandemija poput aktualnog Covid-19, za kontrolu širenja epidemija odnosno pandemija. Primjene eksploratorne i dubinske analize su beskonačne te postoji još puno područja i potpodručja koja nisu zahvaćena ovakvom analizom, a mogla bi biti u potpunosti promijenjena. U ovom radu bavio sam se analizom podatkovnog skupa ljudi sa srčanim udarom te pokušao predvidjeti koji bi od njih mogli imati isti. Exploratory and depth analysis deals with the study of data sets and the extraction of information from them using the methods of statistics and machine learning. The application of such methods in fields of medicine is of great importance today, because of the possibility of improving the diagnosis of various diseases, and even in case of pandemic, like Covid-19, to control the spread of virus. The use of exploratory and depth analysis is endless and there are still many different areas and subareas that have not been covered with this kind of analysis. In this work, I analyzed the data set of people with heart attack and tried to predict which of them might have one.

Kako raste ukupna količina podataka u svijetu svake godine, tako i analiza podataka postaje sve zahtjevniji zadatak. Ovaj rad prolazi kroz uobičajeni tijek eksploratorne analize i rudarenja velikih podataka u raspodijeljenom okruženju za obradu podataka. Točnije, predstavljena je analiza napojnica u taksi vožnjama u New York City-u od siječnja 2009. do lipnja 2016. godine korištenjem programskog jezika R i platforme Apache Spark. Iako je istraženo dvadeset sedam značajki i trenirana tri modela, istraživanje pokazuje da je predviđanje napojnica u taksi vožnjama težak zadatak i da su napojnice najviše motivirane društvenim pritiskom. As global datasphere is growing faster every year, data analysis is becoming an increasingly challenging task. This paper goes through a big data exploratory analysis and data mining workflow using a distributed data processing environment. Specifically, it presents an analysis of tips in New York City's taxi rides from January 2009 to June 2016 using the R programming language and the Apache Spark platform. Although twenty-seven features have been explored and three different models have been trained, the research shows that predicting tips in taxi rides is a difficult task and that tipping is mostly motivated by social pressure.

Ovaj završni rad pruža uvid u primjenu statistike i metoda strojnog učenja na primjeru NBA košarkaških utakmica. Opisuje se postupak prikupljanja podataka, zatim se prikupljeni podaci obrađuju prikladnim statističkim metodama i na kraju je predstavljen jednostavan model za predikciju rezultata utakmica koji koristi SVM algoritam. Praktični dio se sastoji od python programske skripte za prikupljanje podataka i tri izvješća koji obrađuju podatke i jedno koje opisuje postupak primjene strojnog učenja napisani u programskom jeziku R. This thesis describes applications of statistical and data mining methods. The application domain is NBA basketball. This thesis presents data collection and application of statistical methods on the collected data. In the end, a simple machine learning model is described that predicts the outcome of an NBA basketball game. The Machine learning model uses the SVM algorithm. Practical part is composed of one python web scraping script, three statistical reports and one machine learning report written in the R programming language.

U ovom radu zadatak je bio napraviti sustav za podršku akademske mobilnosti koji bi uvelike olakšao unos predmeta i mapiranja predmeta u sustav. Sustav omogućuje studentima unos prijedloga predmeta i mapiranja predmeta, dok koordinatorima omogućuje pregled prijedloga predmeta i mapiranja predmeta koje oni mogu odbiti, izmijeniti ili prihvatiti. Ukoliko koordinatori prihvate ili izmjene novi predmeti i mapiranja biti će prikazani studentima koji će imati veći izbor prilikom odabira predmeta za svoju razmjenu i time skratiti proces prijave na akademsku mobilnost. Kroz završni rad mogu se vidjeti korištene tehnologije, funkcionalni zahtjevi sam sustav i kako je on povezan te sama implementacija i korisničke upute. In this work, a system for supporting academic mobility was created which would ease up input of new subjects and the mapping of subjects in the system. The system allows students to input subject proposals and mapping subjects proposals that can be viewed by coordinators and then rejected, modified or accepted by coordinators. If coordinators accept or modify new subjects or mappings, they will be shown to students who will have a greater choice when selecting courses for their exchange and the shorten time of application process for academic mobility. Through the work you can see the technologies used, functional requirements for the system, how the system is connected, implementation and user instructions.

Zadatak završnog rada bio je napraviti sustav za podršku akademskoj mobilnosti koji će omogućiti digitalizaciju ugovora o učenju u svrhu lakšeg stvaranja i praćenja statusa istog. Sustav također omogućuje koordinatorima uvid u trenutno stanje ugovora o učenju za sve studente kojima su dodijeljeni te pregled PDF verzije. Svi podaci vezani uz ugovor o učenju su adekvatno pohranjeni u bazi podataka. Studentima je ovim sustavom olakšan pristup akademskoj mobilnosti u sklopu Erasmus+ programa. Tako će se studenti lakše odlučiti na akademsku mobilnost te obogatiti svoje iskustvo studiranja te steći nova znanja. The task of bachelor's thesis was to provide a system for supporting academic mobility that will enable digitalization of the Learning Agreement for the purpose of easier creation and monitoring of its status. The system also provides the coordinators with an insight into the status of the Learning Agreement for all the students they are assigned to and review of the PDF version. All information regarding the Learning Agreement are adequately stored in the database. With this system, students have an easy access to academic mobility within the Erasmus+ program. This will make it easier for students to decide to go on academic mobility and to enrich their study experience and acquire new knowledge.

Obrada velikih podataka zahtijeva korištenje posebnih platformi koje omogućavaju paraleliziranu i raspodijeljenu obradu velikih podataka. Spark je danas jedna od vodećih platformi za velike podatke. R je vodeći programski jezik za statistiku i eksploratornu analizu podataka uz ograničenje da tradicionalno radi s podacima koji su učitani u radnu memoriju. R i Spark se mogu integrirati u moćan radni okvir za analizu velikih podataka i izradu prediktivnih modela uz pomoć paketa sparklyr. Osnovna ideja korištenja R-a kao sučelja prema Sparku je da se sva računanja obavljaju u Spark grozdu, dok R prima rezultate od Sparka. Processing big data requires specialized platforms for parallel and distributed computing. Spark is today one of the most important big data platforms. R is the leading programming language for statistics and exploratory data analysis, but its limitation is that it traditionally works with data loaded into RAM. R and Spark can be integrated into a powerful framework for big data analysis and predictive modelling with the help of R package sparklyr. The basic idea of using R as an interface to the Spark is to let Spark cluster handle all computational jobs, while R session collects results from Spark.

Ovaj rad opisuje implementaciju prototipa rješenja informacijskog sustava za podršku informatičkim natjecanjima realiziranu u obliku troslojne web aplikacije pisane u programskom jeziku Pythonu koristeći radni okvir Flask i bazu podatak PostgreSQL. This paper describes the implementation of a prototype database-driven information system for programming competitions in the form of a three layer web application written in Python using the Flask framework and PostgreSQL database.

Identifikacija sudionika u transkriptu razgovora je problem koji je predstavljen kao uvod u veći problem, a to je rudarenje karaktera. Problem se rješava rezolucijom koreferentnosti, ali prijašnjim modelima je tekst u obliku dijaloga bio mana. Model rezolucije koreferentnosti zasnovan na parovima spominjanja se koristi u ovom radu, koji uz pomoć više tipova značajki grupira spominjanja u koreferentne lance. Sustav nakon toga povezuje entitete s tim lancima pomoću algoritma zasnovanog na glasanju. Ugniježđena unakrsna provjera i nekolicina modela su korištena pri evaluaciji sustava. Character identification on multiparty conversation is a problem introduced as an intro to a bigger problem called character mining. Usually, the problem is solved using coreference resolution, but coreference resolution models at the time were struggling with data as dialogue. Mention-pair model is used for coreference resolution in this thesis, which links mentions in coreference chains. After that, the system links entities with chains using a voting scheme. Nested cross-validation and a number of models were used during the evaluation of the system.