Search

Predavanje vezano uz popularizaciju znanosti posebno u ženskoj populaciji.

Predavanje se bavi izgradnjom i analizom društvenih grafova. Prezentirani su primjeri iz telekomunikacijske i financijske industrije te primjer izgradnje društvenog grafa na temelju interakcije korisnika na društvenoj mreži Facebook.

Facebook, the popular online social network, is used on daily basis by over 1 billion people each day. Its users use it for message exchange, sharing photos, publishing statuses etc. Recent research shows that a possibility exists of determining the connection level (or strength of their friendship, tie strength) between users based on analyzing their interaction on Facebook. The aim of this paper is to explore, as a proof of concept, the possibility of using a model for calculating strength of friendship to compare and classify ego-user’s Facebook friends. A survey, which involved more than 2500 people and collected a significant amount of data, was conducted through a developed web application. Analysis of collected data revealed that the model can determine with a high level of accuracy the stronger connections of ego-user and classify ego-user’s friends into several groups according to the estimated strength of their friendship. Conducted research is the base for creating an enriched social graph – graph which shows all kinds of relations between people and their intensity. Results of this research have plenty of potential uses, one of which is specifically improvement of the education process, especially in the segment of e- learning.

Demand forecasting plays a very important role in retail business. Retail information systems commonly store large amounts of data which are subsequently used by sophisticated data mining tools for building forecasting models. Quality of these models is usually measured through their predictive accuracy as their most important property, followed by other measures which consider average underestimate and overestimate costs etc. Even though the choice of data mining algorithm is usually paramount, training set cleansing and preparation has a significant influence on final model performance. This article discusses and analyses the impact of training set preparation and tailoring on a final forecasting model performance used in a real world example from the retail industry.

U prva dva poglavlja elaborata analiziraju se predlošci za XML-dokumente: DTD i XML Schema. Analizirane su tehnologije za obradu i validaciju XML-dokumenata spram predloška: SAX, DOM, JiBX i XSLT. U trećem poglavlju opisana je tehnologija razmjene poruka u Javi - Java Message Service (JMS). U četvrtom poglavlju objašnjeni su temeljni principi usluga weba. U petom poglavlju analizirani su načini pohrane XML-dokumenata. U šestom poglavlju razmatrana je sigurnost u elektroničkom poslovanju s naglaskom na sigurnost XML-dokumenata, tj. mogućnost njihova digitalnog potpisivanja.

Izvedeni su ispitani te međusobno uspoređeni modeli dubinske analize podataka za predviđanje krovne brojke i akcijskog udjela prodavaonica za zadane artikle koji će omogućiti unaprjeđenje promocijske prodaje. Pri predviđanju krovne brojke potrebno je napraviti dobre procjene na dvije razine: (1) procijeniti krovnu brojku – ukupnu potražnju za određenim artiklom na određenoj akciji na nivou cijele Hrvatske, i (2) predvidjeti najbolju distribuciju – podijeliti akcijski artikl po prodavaonicama kako bi što manje dolazilo do prekomjernih zaliha ili pak do nestašica. Analizirane su postojeće baze podataka vezane uz akcije te skladišta podataka vezana uz maloprodaju, te je napravljen konceptualni model skladišta podataka akcijskih prodaja koji bi omogućio različite analize i višedimenzionalne prikaze podataka vezanih uz akcijsku prodaju.

Transactional data is today’s great resource of information. Unsummarized form of this type of data can reveal interesting relationships between elements of transactions. Hierarchical clustering coupled with usage of appropriate measures can reveal various aspects of these relationships. The choice of measure is a key component for getting useful analysis results. In this paper we present the continuation of our research dealing with these measures by analyzing relationships between them, better understanding of which is a great asset for analysts using them in their transactional data analysis.

Poslovna inteligencija (eng. Business Intelligence, BI) je skup metodologija i koncepata za prikupljanje, analizu i distribuciju podataka (informacija) uz pomoć različitih softverskih alata. U hrvatskom jeziku pojam poslovne inteligencije može se još odnositi na sposobnost shvaćanja i brzog snalaženja neke tvrtke u novim uvjetima poslovanja (Prema Wikipediji). Poslovna inteligencija omogućuje pronalaženje informacija potrebnih za lakše i točnije donošenje poslovnih odluka. Neke od metoda poslovne inteligencije uključuju dubinsku analizu podataka (eng. Data Mining), skladištenje podataka (eng. Data Warehousing) i analitičku obradu podataka OLAP (eng. On Line Analytical Processing). Dakle, poslovna inteligencija omogućava prikaz relevantnih podataka (informacija) upravljačkim strukturama na temelju kojih oni mogu donositi pravovaljane odluke. Osim odgovarajućih metoda koje se koriste za dobivanje relevantnih podataka, ključni element je kvaliteta ulaznih podataka u proces analize. Jedan od vodećih problema poslovnih informacijskih sustava današnjice jest dobivanje kvalitetnih podataka iz različitih izvora podataka. Sustavi su distribuirani, egzistiraju na različitim platformama, koriste različite norme komunikacije i sustave pohranjivanja. Problem integracije nameće se kao jedan od važnijih problema koji treba riješiti postupcima transformacije i korištenjem ontologije kako bi se pripremili konzistentni podaci za analizu postupcima poslovne inteligencije. Kao infrastruktura za poslovnu inteligenciju bitno je oblikovanje skladišta podataka, punjenje skladišta podataka iz različitih vrsta izvora podataka, općenito integracija heterogenih izvora podataka. Ključni naglasak u istraživanjima definiranim ovim projektnim zadatkom je analiza različitih podatkovnih modela za poslovnu inteligenciju u cilju definiranja postupaka transformacije pojedinih modela u prihvatljive modele za skladištenje podataka i dubinsku analizu podataka, rješavanje problema heterogenosti korištenjem definiranih transformacija i ontologija. Za pojedine postupke bit će dani odgovarajući primjeri koji će verificirati odgovarajuće formalne modele. Konačni rezultat bit će studija gdje će se analizirani postupci detaljno opisati.

Koncern AGROKOR, kao najveća privatna i jedna od najuspješnijih hrvatskih kompanija, opredijelio se prije više godina za sustavno uvođenje elektroničkog poslovanja i poslovne inteligencije. U okviru toga u suradnji s FER-om napravljeno je niz istraživanja i unaprjeđenja njegovih postojećih informacijskih sustava. Neke od obrađenih tema su preporučiteljski sustavi, upotreba aplikacija otvorenog koda, izgradnja implicitne korporacijske društvene mreže (iCSN) poduzeća mStart te njezina analiza (SNA), analiza korištenja korporacijskih usluga kao i unaprjeđenje postojećih te razvoj novih aplikacija.

Today’s information systems store large quantities of transactional data which may contain valuable but hidden information. Association rules generation is a method developed for analysis of this type of data. This method is however very resource-intensive. Both the execution time and the final model highly depend on threshold parameters set by the analysts. In this paper we analyze the impact of the minimal support parameter on the number of closed frequent itemsets discovered for various datasets. The analysis is conducted on referential datasets as well as real-life datasets which classify transactional elements in categories organized in hierarchical manner. Datasets that are not originally transactional can be transformed into a transactional form. They exhibit somewhat different relations between the minimal support parameter and the number of discovered closed frequent itemsets. Findings presented in this paper can serve as guidance in setting up support as the most important parameter affecting the final execution time. In order to analyze data characteristics from another perspective, we also present how varying confidence, lift and support can affect the number of formed association rules containing two elements.

U doktorskom radu je obrađena problematika sažetih prikaza povezanosti transakcijskih elemenata. U svrhu dobivanja sažetih prikaza povezanosti korištene su dvije sasvim različite poznate deskriptivne metode dubinske analize podataka: stvaranje asocijacijskih pravila i hijerarhijsko grupiranje. Metoda stvaranja asocijacijskih pravila je iskorištena za izoliranje zatvorenih čestih kolekcija elemenata. Spomenute kolekcije se povezuju u stablastu strukturu pomoću dvije razvijene strategije koje su i implementirane. Da bi gubitak informacije u prikazanoj strukturi bio minimalan, napravljena je poveznica s teorijom grafova te je iskorišten algoritam za razapinjanje minimalnog stabla. S druge strane problemu se prišlo razradom različitih mjera zanimljivosti vezanih uz povezivanje elemenata u transakcijama. Ove su mjere prilagođene hijerarhijskom grupiranju te je za njihovo testiranje razvijena i programska podrška koja uz korištenje različitih mjera omogućuje i obrezivanje na osnovu podrške. Dva navedena pristupa su testirana nad umjetno konstruiranim podacima koji bi trebali analitičaru omogućiti lakši odabir pogodne mjere udaljenosti te nad referentnim skupovima podataka. Tu su se pokazale vrlo dobrima za jednostavan i brzi uvid u odnose među elementima transakcija. Razvijene metode su također korištene nad podacima vezanim uz visokoškolsko obrazovanje te pokazale potencijal za sažeti prikaz odnosa među elementima ispita – među pitanjima i uz njih vezanih koncepata This doctoral thesis proposes new approaches in designing concise representation of correlations among elements in transactional data. For this purpose two different known data mining methods are used: association rules generation and hierarchical clustering. Method of association rules generation is used to isolate closed frequent itemsets which are further connected to form a tree structure. For this purpose two strategies are developed and implemented. To minimize information loss, graph theory was used along with its existing algorithms for minimal spanning tree creation. Additionally, different interest measures that demonstrate certain relationships between transaction elements were modulated to serve in hierarchical clustering. Software implementation of these measures along with support based pruning ability is also made. Two different approaches are tested both on artificial datasets constructed to serve analysts in selecting the most appropriate measure as well as on known and easily reachable reference datasets. They proved to be very useable as descriptive methods that provide quick and easily interpretable structures that represent relationships between transactional elements. Developed methods were also used on the real-life educational data and showed great potential in displaying relationships between test elements – questions and related concepts.

Koncern AGROKOR, kao najveća privatna i jedna od najuspješnijih hrvatskih kompanija, opredijelio se prije više godina za sustavno uvođenje elektroničkog poslovanja i poslovne inteligencije. U okviru toga u suradnji s FER- om napravljeno je niz istraživanja i unaprjeđenja njegovih postojećih informacijskih sustava. Neke od obrađenih tema su preporučiteljski sustavi, upotreba aplikacija otvorenog koda, analiza korištenja korporacijskih usluga kao i unaprjeđenje postojećih i razvoj novih aplikacija.

Zavičajne zbirke su, kao materijalni svjedoci povijesti, kulture i razvoja, nosioci identiteta nekog kraja. U radu je popisan dio zavičajne zbirke Gradske knjižnice Đurđevac koji obuhvaća monografska djela ženskih autora. Ukratko je opisan razvoj knjižničarstva u Đurđevcu, osnivanje i karakteristike zavičajne zbirke, zatim slijedi bibliografski niz koji obuhvaća sedamdeset i šest jedinica građe, te kazalo naslova, kazalo autora i predmetno kazalo. U radu su navedeni neki od problema koji utječu na razvoj zavičajne zbirke te moguća rješenja.

Hierarchical clustering method is used to assign observations into clusters which are further connected to form a hierarchical structure. Observations in the same cluster are close together according to the predetermined distance measure while observations belonging to distinct clusters are afar. This paper presents an implementation of specific distance measure used to calculate distances between observations which are described by a mixture of variable types. Data mining tool ‘Orange’ offers ways to program new modules in an efficient manner so it was used for implementation, testing, data processing and result visualization. Finally, a comparison was made between results obtained by previously available widget and output of newly programmed widget which employed new variable types and new distance measure.

Koncern AGROKOR, kao najveća privatna i jedna od najuspješnijih hrvatskih kompanija, opredijelio se prije više godina za sustavno uvođenje elektroničkog poslovanja i poslovne inteligencije. U okviru toga u suradnji s FER- om napravljeno je niz istraživanja i unaprjeđenja njegovih postojećih informacijskih sustava. Neke od obrađenih tema su preporučiteljski sustavi, upotreba aplikacija otvorenog koda, analiza korištenja korporacijskih usluga kao i unaprjeđenje postojećih i razvoj novih aplikacija.

Automatizirana poslovna komunikacija pretpostavka je globalnog elektroničkog tržišta. Koncern AGROKOR, kao najveća privatna i jedna od najuspješnijih hrvatskih kompanija, opredijelio se prije više godina za sustavno uvođenje elektroničkog poslovanja i poslovne inteligencije te svoju razgranatu i informatikom podržanu djelatnost sustavno prilagođuje novim uvjetima elektroničkog poslovanja, što otvara velike mogućnosti za učinkovitije poslovanje.

Knowledge creation is essential for process improvement in every type of environment. This is also the case in lecturing and grading students at universities. In this paper a visual representation of data is combined with statistical analysis in order to be used for analyzing objectivity of student testing. Predictive data mining is used for timely recognition of students who require additional attention. Regression analysis and decision trees are methods used for this student selection. Comparison of these two methods, as well as a simple method of score border is also given.

In this paper we propose a strategy for enabling a broader use of e-business in Croatian tourism. The core of the strategy is integration of tourist services and products enabled by a tourism portal. The portal will be used by service and product providers, which will register their services/products and offer them publicly to other providers and customers. In this way, complex integrated services of a high quality can be developed for the customers, to the mutual benefit of the customers and all providers. The portal is based on the Service-oriented Architecture (SOA) and will be implemented using technologies such as XML, SOAP and Web services. We present different features of our portal: integration of different services such as on-line accommodation booking, travel ticket booking and weather forecast, using the available data for business analysis, and semantic-aware service browsing.

U projektu u okviru Ugovora o suradnji na području poslovne inteligencije i elektroničkog poslovanja, Aneks 3 Ugovora između FER-ZTEL i KONCERNA AGROKOR predviđene su sljedeće aktivnosti u 2007./2008. godini: projekt izgradnje i izvedbene arhitekture nove mrežne infrastrukture Koncerna Agrokor ; konzultacije o izradi Web aplikacije u programskom jeziku Java ; upravljanje konfiguracijskim elementima – aplikacija za konsolidaciju klijentskih platformi ; dubinska analiza podataka – aplikacija "Proširena potrošačka košarica" ; ontologija za Web portal Konzum Internet prodavaonice ; Hascheck – hrvatski akademski spell checker. Sve predviđene aktivnosti u okviru projekta s obzirom na dostupne podatke i zahtjeve uspješno su obavljene.

Unutar svake organizacije, pa tako i na visokoškolskim ustanovama, vrlo je bitno kvalitetno upravljati znanjem što omogućava prilagodbu novim okolnostima te stalna unapređenja različitih procesa i aktivnosti. Sustavi poslovne inteligencije omogućuju efikasnu sintezu i prenošenje znanja. Kao takvi omogućuju zaposlenicima na svim razinama unutar organizacije bolji uvid u čimbenike koji utječu na njihov segment poslovanja i donošenje boljih odluka. U radu je predstavljena teoretska podloga kreiranja organizacijskog znanja. Ona je isprepletena s cjelokupnim procesom dubinske analize podataka te povezana sa sustavima poslovne inteligencije, od faze njihovog planiranja do faze intenzivnog korištenja sustava. Značajni segmenti poslovne inteligencije su različite statističke analize i dubinska analiza podataka. U radu je prikazano kako se ove analize mogu iskoristiti za unapređenje specifičnog područja djelovanja visokoškolske ustanove – u nastavi. Poseban je naglasak dan na mogućnost unapređenja izvođenja nastave, poboljšanja testiranja studenata te potencijalnog povećanja prolaznosti bez snižavanja kriterija ocjenjivanja. Također su dani prijedlozi proširenja modela podataka koji bi omogućili otkrivanje novih zakonitosti i daljnja poboljšanja. For every organization, including universities, it is very important to efficiently govern with knowledge. This enables adoption to new circumstances and improvement in different processes and business related activities. Business intelligence systems enable efficient creation and transfer of knowledge. They enable employees at every organizational level to have better view of factors affecting their business and make better decisions. This thesis introduces theoretical background of organizational knowledge creation. Presented theory is interlaced with data mining process and further related to business intelligence systems, from their planning phase to phase of their extensive usage. Important segments of business intelligence are various statistical analysis same as data mining. This thesis presents how could these segments play important role within specific ‘business’ area at universities – improvement of teaching related activities. Focus has been put particularly on efficiency of the teaching process, objectivity at student’s work evaluation and potential improvement in student passing rate without reduction in grading criteria. At the end, proposals for data model extension were given, thus enabling better insight in real world rules same as further improvements.

U projektu u okviru Ugovora o suradnji na području poslovne inteligencije i elektroničkog poslovanja, Aneks 2 Ugovora između FER-ZTEL i KONCERNA AGROKOR predviđene su sljedeće aktivnosti u 2006./2007. godini: pilot projekt implementacije aplikacija za elektroničko poslovanje na načelu tehnologije BPEL4WS i Web usluga kao efikasan koncept za rješavanje problema heterogenosti ; razrada koncepta efikasnog korištenja klijentskih platformi KONCERNA AGROKOR na temelju relevantnih podataka ; model korporacijske mreže KONCERNA AGROKOR ; analiza mogućnosti primjene dubinske analize podataka (data mining) u području poslovne inteligencije i elektroničkog poslovanja KONCERNA AGROKOR ; definiranje konceptualnog modela WEB sjedišta KONCERNA AGROKOR ; analiza globalnih trendova i inicijativa u elektroničkom poslovanju s posebnim naglaskom na uvođenje semantike u opis poslovnih procesa ; Sve predviđene aktivnosti u okviru projekta s obzirom na dostupne podatke i zahtjeve uspješno su obavljene.

Elaborat projekta u okviru Ugovora o suradnji na području poslovne inteligencije i elektroničkog poslovanja, Aneks 1 Ugovora između FER-ZTEL i Koncerna Agrokor u okviru kojeg su provedene sljedeće aktivnosti: proširenje funkcionalnosti i praćenje rada ebXML Registra i Repozitorija, razvoj pilotske aplikacije za elektroničko poslovanje koja podržava automatizaciju poslovnih procesa, oblikovanje skladišta podataka koje koristi podatke generirane u aplikaciji za proces naručivanja (XMLovski dokumenti), istraživanje mogućnosti korištenja postojećih podataka za dobivanje informacija o poslovnim procesima i korisnicima, te njihova dubinska analiza ; definiranje modela s ciljem izrade prediktivnih profila registriranih kupaca, analiza kvalitete web-sjedišta Koncerna Agrokor, analiza globalnih trendova i inicijativa u elektroničkom poslovanju ; analiza pokretnog poslovanja (m-business, m-commerce)te moguće primjene u poslovnom sustavu Koncerna Agrokor, analiza poslovnih procesa u ICT sektoru Koncerna Agrokor

Elaborat projekta u okviru Ugovora o suradnji na području B2B poslovanja između FER-ZZT i Koncerna Agrokor u okviru kojeg su provedene sljedeće aktivnosti: Proširenje funkcionalnosti i praćenje rada ebXML Registra i Repozitorija, Izrada poslovnog sučelja (BSI - Business Service Interface) za suradnju s poslovnim partnerima, Koncepti i tehnologije za pohranu i pretraživanje podataka iz XML izvora, te postupci inteligentne analize podataka.

Tema ovoga rada dubinska je analiza podataka vezanih uz edukaciju. U radu je predstavljena povijesna i teorijska pozadina područja dubinske analize podataka, istaknute su važne metode te je prikazana provedena analiza nad podacima iz područja edukacije. Podaci analizirani u sklopu ovoga rada, službeni su podaci Fakulteta elektrotehnike i računarstva. Provedeno je više analiza veza između uspješnosti različitih predmeta te su stvorena dva prediktivna modela za uspješnost studenta na matematičkom predmetu. This thesis focuses on the mining and analysis of educational data. The thesis presents the historical and theoretical background of educational data mining, highlights the most important and most common methods in that area, and conducts and presents an analysis of a specific educational dataset. The data analyzed in the scope of this thesis is the official dataset obtained from the Faculty of Electrical Engineering and Computing, University of Zagreb. Several different analyses were conducted as part of this work, including an analysis of the relationship between success for pairs of related courses, and the construction and training of two supervised models used for the prediction of student’s success in mathematical courses.

U ovom radu opisan je postupak klasifikacije slika elemenata električne sheme. Na početku je napravljen kratak uvod u strojno učenje i računalni vid. Nakon toga, opisan je teorijski dio dvaju najčešće korištenih algoritama za klasifikaciju slika, a to su stroj potpornih vektora i konvolucijske neuronske mreže. Oba algoritma su korištena za izgradnju modela te su izgrađeni modeli međusobno uspoređeni. Također, detaljno je opisan proces prikupljanja slika te njihova obrada. Programsko rješenje je napisano u programskom jeziku Python uz korištenje biblioteka OpenCV i TensorFlow. This thesis describes the procedure of image classification of electrical circuit elements. A Brief introduction of machine learning and computer vision was made at the beginning. After that, the theoretical part of the two most commonly used algorithms for image classification is described, and they are called the support vector machine and the convolutional neural network. Both algorithms were used to build models which were compared to each other. As well, the process of collecting images and their processing is described in detail. The programming solution was written in Python programming language using the OpenCV and TensorFlow libraries.

Razvojem Interneta je došlo do potrebe za zaštitom u virtualnom svijetu jer su korisnici interneta svakodnevno izloženi zlonamjernim napadima. Analizom mrežnog prometa mogu se pronaći netipične vrijednosti u mrežnim paketima koje najčešće upućuju na neku vrstu napada. Pronalazak tih netipičnih vrijednosti se provodi detekcijom anomalija koja se može implementirati raznim algoritmima strojnog učenja. Nakon uvoda u strojno učenje i algoritme, analizirat će se rezultati algoritama logističke regresije, stroja potpornih vektora, slučajnih šuma, stabla odlučivanja, Gaussovog naivnog Bayesa, umjetnih neuronskih mreža i algoritma k srednjih vrijednosti i k najbližih susjeda. Za svaki od algoritama se pronalazi onaj sa najboljim hiperparametrima te se rezultati grafički prikazuju i objašnjavaju. Za učenje i testiranje modela koristi se NSL-KDD skup podataka koji je prethodno pretprocesiran. With the development of the Internet, a need for protection in the virtual world arose. Internet users are exposed to malicious attacks on daily basis and analysis of network traffic can find atypical values in network packets that most often indicate a malicious attack. The discovery of these atypical values is carried out by anomaly detection that can be implemented by various machine learning algorithms. After an introduction to machine learning and algorithms, the results of logistic regression, support vector machine, random forests, decision tree, Gaussian naive Bayes, artificial neural networks and k means and k nearest neighbors algorithm will be analyzed. For each of the algorithms, a model with the best hyperparameters is found, and results are graphically displayed and explained. For training and testing, the model uses an NSL-KDD data set that is previously preprocessed.

Proširena stvarnost sve više je zastupljena u svijetu mobilnih aplikacija, što je bila jedna od ključnih motivacija iza odabira teme za ovaj diplomski rad. U okviru ovog rada razvijena je aplikacija u proširenoj stvarnosti u svrhu demonstracije mogućnosti i napretka Apple-ovog razvojnog okvira ARKit za razvoj iOS aplikacija u proširenoj stvarnosti. Baza aplikacije je jednostavna igra – košarka napravljena korištenjem 3D modela koša i lopte koji se pojavljuju u stvarnome svijetu korisnika. Korisnikov cilj je u zadanom vremenu postići što veći broj koševa. Ono što igru čini zanimljivom je mogućnost igranja na različitim mjestima što samoj igri mijenja karakteristike. Na ovaj način, korisnici se potiču na kretanje i istraživanje lokacija unutar igre. Za potrebe analize korisnikovog ponašanja izrađena je relacijska baza podataka u koju se pohranjuju svi bitni parametri o korištenju aplikacije. Iz tih podataka moguće je odrediti popularne lokacije te uspješnost korisnika na određenim lokacijama u određeno vrijeme. Porastom broja korisnika i generiranjem većeg broja podataka, moći će se analizirati globalna popularnost lokacije te uspješnost korisnika na istima u usporedbi s drugima. Radom je ustanovljeno da je područje razvoja aplikacija u proširenoj stvarnosti značajno napredovalo u zadnje vrijeme te da takve aplikacije nude nove i zanimljive načine interakcije korisnika sa stvarnim svijetom. Također, ovakva vrsta aplikacije nudi podlogu za nove načine istraživanja i analize korisničkog ponašanja. Augmented reality is represented in the world of mobile applications now more than ever. This fact was one of the key motivations behind the subject of this master’s thesis. The scope of this thesis includes the development of an augmented reality application with the purpose of showcasing the capabilities and advancement of Apple’s ARKit development framework. The ARKit framework is used for augmented reality application development. The basis of the application is a simple game – a basketball game made by using 3D models of a basketball hoop and ball, which are rendered in the user’s real world. The user’s challenge is to get as many baskets as possible in the given time frame. What makes this game interesting is its playability in different real-world locations, which directly affects the game characteristics. In this way, users are encouraged to move and explore the in-game locations. For the case of analyzing user behavior, a relational database was developed for storing all parameters about the user’s behavior. It is possible to use this data and by analyzing it discover the most popular locations, as well as the user success rate on each location and on a specific time. With the growth of the user base, more data will be generated and it will be possible to analyze the global location popularity and the user success rates compared to others. This thesis made it possible to deduce that augmented reality has advanced a lot in the past years and that applications that support it offer new and interesting ways for users to interact with the real world. Additionally, this type of application offers a new way of user research and user analysis.

U radu je prikazano kako je uvođenje GDPR-a utjecalo na zahtjeve prilikom implementacije zaštite kod izgradnji aplikacija koje koriste osjetljive podatke. Za odabranu tvrtku se zatim analizira njihov način ophođenja s jednom grupom osjetljivih podataka te se postavljaju zahtjevi na aplikaciju koja bi zamijenila trenutni način upravljanja tom grupom osjetljivih podataka. Za odabranu tvrtku je razvijena interna aplikacija po zadanim specifikacijama i uz korištenje suvremenih tehnologija i praksa za zaštitu podataka. To rješenje je zatim opisano i dan je pregled tehnologija koje su korištene za razvoju te aplikacije. Na kraju rada, nalaze se upute za korištenje te aplikacije. The paper shows how the introduction of the GDPR has affected the security requirements when developing applications that use sensitive data. For the selected company, their way of dealing with one group of sensitive data is analyzed, and requests are made for an application that would replace the current way of managing that group of sensitive data. An internal application is then developed for the specific company according to the given specifications and with the use of modern technologies and practices for data protection. This solution is then described, and an overview of the technologies used to develop that application is given. At the end of the work, there are instructions for using that application.

Ovaj rad sadrži pregled načina korištenja poljoprivrednih dronova za daljinsko praćenje, pregled svojstava podataka dobivenih snimanjem zemljišta iz zraka, njihovu analizu i definiciju stršećih vrijednosti kontekstu geoprostornih podataka. Razvijeni su analitički modeli za praćenje stanja zemljišta preko vrijednosti dobivenih iz slika. Nad njima je korišten algoritam k-sredina za klasifikaciju na temelju vrste i količine pokrova tla. Napravljena je detekcija promjena između dva snimljena trenutka te je korištenjem lokalne polinomijalne regresije procijenjena funkcija kretanja vrijednosti indeksa koji opisuju stanje zemljišta. Rezultati analiza i predviđanja su prikazani u Shiny aplikaciji koja na sažet način korisniku daje uvid u stanje zemljišta. This thesis provides an overview of agricultural drones usage in remote sensing, properties of data extracted from aerial images, their analysis and the definition of outliers in a geospatial context. The data was used for the development of analytical models intended for crop monitoring. Observed land was classified using the K-means algorithm based on the type and amount of soil cover. Aerial images were used for detection of changes between two captured moments, and the Normalized Difference Vegetation Index value was estimated using local polynomial regression. The results of the analysis and prediction were presented in a Shiny application in order to summarize the state of the land and make it accessible to users.

Uspješno predviđanje ishoda u NBA-u, kao i parametri koji utječu na te ishode, oduvijek su privlačili pažnju kako sportskih analitičara, tako i sportskih kladionica. Kvaliteta igre NBA igrača utjecajna je brojnim nasumičnim i nepoznatim faktorima kao što su psihološko stanje, socijalni život i ozljede. Koristeći javno dostupne podatke, kreiran je podatkovni skup u kojemu svaka instanca nosi informacije dostupne prije same utakmice. Nastup igrača je klasificiran kao „over“ ili „under“ ovisno o broju poena koje je postigao u promatranoj utakmici i trenutnom sezonskom prosjeku. Koristeći napredne statistike, kreiran je binarni klasifikator s ciljem budućeg razlučivanja između navedenih klasa. Klasifikator je na test setu pokazao rezultat od AUC 59.7%. Unatoč dominaciji ofenzivnih statistika (broj odigranih minuta, broj uzetih šutova, jačina napada), naknadno kreirane značajke uvelike su poboljšale točnost modela. NBA attracts a great deal of attention among sports analysts and sportsbooks regarding the prediction of various outcomes of each game, together with the parameters which affect them. Performance of NBA players is influenced by many unknown and random factors, such as players’ psychological condition, social life and injuries. The stated factors hinder game-to-game predictions of players’ performance in relation to the expectations set by their past performances. In this thesis publicly available statistics are leveraged in order to create a dataset pertaining to the performance of a single player during a single season. A comparison between points that a player has scored and his current season average was done in order to classify the player's performance as ‘over’ or ‘under’. Using various statistical data concerning previous games of the season, a binary classifier was trained in order to distinguish between those categories for future games. The classifier performed with an AUC ROC score of 59.7%. Although the most important features are predominated by offensive statistics (e.g. how many minutes the player plays, how many shots he takes and how strong the offense of his team is), newly generated features significantly improved the performance of the model.

Aplikacija izrađena u sklopu ovog završnog rada namijenjena je učenicima osnovne škole kao pomoć pri učeju zemljopisa, ali mogu je korisititi i ostali budući da je zbog elemenata gamifikacije koje sadrži u sebi vrlo zabavna i laka za korištenje. Aplikacija je napravljena kao sredstvo za e-učenje uz korištenje elemenata gamifikacije kako bi na što lakši i zabavniji način potakla svoje korisnike na njeno korištenje te ih na zanimljiv način zapravo natjerala da uče kroz igru. Aplikacija ima dio s učenjem i dio sa izazovom. Na dijelu sa učenjem korisnik se upoznaje s gradivom koje je pokriveno u jednom poglavlju, odnosno kategoriji, dok se na dijelu s izazovom savladano gradivo u dijelu s učenjem testira na način da psotoje 3 razine različitih težina pitanja, u svakoj razini postoje 4 pitanja na koja korisnik odgovara I kroz točne odgovore skuplja zvijezdice koje mu omogučuju daljni napredak u aplikaciji. Aplikacijom je demonstrirana uporaba gamifikacije u svrhu realiziranja aplikacije za e-učenje. Aplication developed as part of this finals is made for students of primary school to use for learning geography, but also can be used by anyone else since it has elements of gamification that make it very easy and fun to use. Aplication was made to be used for a tool for e-learning with use of gamification so it can in an easy and fun way engage its users to use it and it makes them learn in an interesting way through playing. Aplication has two parts: learning and challenge. The leraning part user is introduced to a part of curriculum that is included in one chapter, i.e. category, while on the challenge part the knowledge the user has gained in the learning part is tested in a way that he has 3 different levels each with 4 questions and he needs to answer them in order to gain stars which enable him further progress in aplication. This application demonstrates using gamification to help develop application for e-learning.

U uvodnom dijelu rada opisani su uzroci potrebe za jačim prisustvom statistike i praćenja podataka u svijetu videoigara. U prvom poglavlju opisane su jezgre igre, poznatije pod engleskim nazivom 'game engine'. Opisano je što su jezgre igre, koja je izvorna motivacija iza razvoja jezgri igri, navedeni su bitni detalji o jezgrama igri i ukratko opisane neke danas popularne jezgre igre. U drugom poglavlju razrađeno je praćenje performansi igrača i statističkih podataka iz igre. Opisan je razvoj praćenja performansi i statistika u videoigrama kroz povijest videoigara. Konkretno, razvoj praćenja performansi razrađen je kroz tri glavne etape: praćenje podataka u počecima razvoja videoigara, praćenje podataka na prijelazu tisućljeća i praćenje podataka danas. Nakon toga, razrađen je utjecaj elektroničkih sportova odnosno eSportsa na praćenje performansi igrača i statističkih podataka te su dani primjeri web stranica kojima je glavni prioritet prikaz detaljnih podataka iz igre svojim korisnicima. Na kraju drugog poglavlja, ukratko su opisane mogućnosti primjena metoda praćenja podataka sličnih praćenju podataka iz igre u domenama koje ne uključuju videoigre, uz potporu AR i VR tehnologija. U trećem poglavlju razrađene su različite metode pohrane podataka. Konkretno, te metode su programske varijable, datoteke i baze podataka. Od tih metoda, u nastavku poglavlja detaljnije su obrađene baze podataka, za koje su navedeni primjeri nekih današnjih popularnih izvedbi, koje također koriste neke poznate videoigre za spremanje svojih podataka. U zaključku rada navedeno je kako se praćenje performansi razvilo od svojih začetaka do danas.Također se nastoji predvidjeti kako će današnja potreba za praćenjem podataka rezultirati na nova izdanja jezgri igri i baza podataka te kakav je utjecaj postignutog napretka u praćenju performansi i statistika u domeni videoigara na mogućnost praćenja performansi i statistika u drugim domenama primjene uz potporu AR i VR tehnologija. Introduction part of this work describes the causes of a necessity for stronger presence of statistics and data tracking in videogame world. Chapter 1 elaborates game engines, what is the source motivation behind development of game engines and describes shortly some popular present-day game engines. Chapter 2 elaborates player performance and statistics tracking in videogames through three stages of player performance tracking: performance tracking in the beginnings of game development, performance tracking at the turn of a century and performance tracking today. Afterwards, the influence of eSports on player performance and game statistics tracking is elaborated and supported with examples of websites with specific focus on delivering detailed game related data to its users. At the end of chapter 2, possibilities of application of player performance and statistics tracking methods to domains outside of videogaming, with support of AR and VR technologies, are elaborated. Chapter 3 elaborates three different methods of data storage: program variables, files and databases. In the remainder of the chapter databases are more thorougly elaborated, with short descriptions of present-day most popular databases that some popular games use for storing their data. In conclusion, degree of development of performance and statistics tracking in videogames is pointed out. Also, predictions are made about influence of demand for quality data tracking on future game engine and database releases. Lastly, influence of advancements in player performance and statistics tracking in domain of videogames on possibilities of applying similar techniques to other domains with support of AR and VR technologies is elaborated.

U ovom radu je implementirana web aplikacija za ispitivanje učenika/studenta od strane nastavnika. Poseban naglasak stavljen je na zahtjeve samog nastavnika. Nastavnik može dodavati pitanja, komentirati svoja i tuđa pitanja, te predlagati promjene strukture predmeta. Osim nastavnika postoje i super administratori koji uređuju strukturu sustava i stvaraju nove nastavnike. Rješenje koristi hijerarhiju kao rješenje za promjenu strukture predmeta. Realizirani sustav funkcionira najbolje za puno nastavnika i malo super administratora. Za izradu je korišten spring framework, Postgresql baza podataka i jsp za prikaz prema korisniku. Rad opisuje funkcionalne zahtjeve aplikacije, spring framwork tehnologiju, te izgled i uputu za korištenje web aplikacije. In this work, a web application for disciples/student’s study by teachers has been implemented. Special emphasis was placed on the teacher's demands. The teacher can add questions, comment on his/her own and other questions, and suggest changes to the subject's structure. In addition to the teachers there are super administrators who regulate the structure of the system and create new teachers. The solution uses the hierarchy as a solution to change the structure of the subject. Realized system works best for a lot of teachers and little super administrators. The spring framework, the Postgres database, and jsp for the user's view were used to create it work. The work describes functional application requirements, spring framework technology, and layout and instructions for web application usage.

U današnje doba postoje podaci koji su teško dostupni iz više razloga, no problem njihove nedostupnosti, zbog sigurnosti ili privatnosti, može se izbjeći razvojem generatora podataka. U ovom radu testiran je i nadograđen generator podataka za dva skupa koji na dva načina opisuju stvarne podatke prikupljene s društvene mreže Facebook. Oba su skupa dana istom generatoru, čiji su izračuni i rezultati podvrgnuti više analiza, od kvalitete do trajanja izvođenja njihovog stvaranja. Generator uspješno reproducira distribucije i korelacije podataka, te se izračuni odvijaju u prihvatljivom vremenu na računalu slabijih do srednjih performansi. Daljnja nastojanja autora su stvaranje integralnog rješenja za oba dana skupa, a zatim i razvoj generatora detaljnih podataka društvene mreže koja bi odgovarala mreži Facebook na nižoj razini zrnatosti. Nowadays, there is data that is difficult to access for a number of reasons, but its inaccessibility due to security or privacy can be avoided by developing a data generator. In this paper, a data generator for two datasets which describe actual data collected from Facebook is tested and upgraded to suit the task at hand. Both sets were run through the same generator, the results of which were analysed in different ways, from quality to duration of execution. The generator not only successfully reproduces the given distributions and data correlations, but also finishes calculations within an acceptable time period on a computer of a weaker to medium performance. The author's further efforts include creating an integral solution for both given sets, as well as developing a detailed social network data generator which would generate data according to Facebook data of lower granularity.

Duboke neuronske mreže predstavljaju moćan alat koji postiže izvrsne rezultate na teškim zadatcima učenja poput prepoznavanja slika, prepoznavanja govora i obrade prirodnog jezika. Ovim se radom ispituje njihova sposobnost savladavanja izazova poput regresije, klasifikacije i mapiranja jednog uzorka vremenske sekvence u drugi (tzv. seq2seq problem) nad podatkovnim skupom MovieLens. Trenirani model čini bazu sustava preporuke koji na temelju ulaznih vrijednosti za određenog korisnika uspješno preporučuje najboljih $k$ stavki koje bi mogle biti u području interesa dotičnog korisnika. Deep Neural Networks (DNNs) are powerful tools that have achieved outstanding performance on difficult learning tasks like image recognition, speech recognition and natural language processing. This work examines capability of DNNs to overcome challenges like regression, classification and mapping a sequence to another sequence (so called seq2seq problem) over MovieLens dataset. Trained model makes the basis of the recommender system which predicts, i.e. recommends top "k" next items that could be in field of interest for observed user based on given (input) values.

Društvene mreže nude veliku količinu informacija o njezinim korisnicima. Koristeći dostupne podatke moguće je provesti različite analize koje daju dublji smisao strukturi jedne takve mreže. Razvijeni su brojni algoritmi koji omogućuju formiranje, vizualizaciju te računanje različitih mjera mreže. Najčešće se analiza provodi na velikom skupu podataka, a to znači kako se određeni algoritmi za analizu mreža neće moći koristiti, pa je potrebno istražiti koji alternativni algoritmi i tehnologije mogu riješiti problem rada s velikim podacima. U ovom radu središnji dio istraživanja su algoritmi za analizu društvenih mreža koji omogućuju otkrivanje zajednica u mrežama te mjerenje njihovih performansi u slučaju sekvencijalne i paralelne implementacije. Social networks have large amount of data about their users. Available data can be used to analyze these types of networks to get deeper insight to their structure. There are many algorithms that are used to form, visualize and compute different network measures. In most cases analysis is performed on large datasets and some of the available algorithms will not be suitable, hence it is important to find alternative algorithms and technologies that can solve this problem. Main part of this paper are social network analysis algorithms that are used to detect communities in social networks and their sequential and parallel performance.