informatika

Što je umjetna inteligencija (AI)?

AI je područje informatike koje razvija sustave sposobne za obavljanje zadataka koji obično zahtijevaju ljudsku inteligenciju.

Što je strojno učenje (ML)?

Podskup AI-a koji koristi algoritme za analizu podataka i donošenje odluka na temelju obrazaca.

Koja su četiri glavna tipa strojnog učenja?

Nadzirano, nenadzirano, polu-nadzirano i učenje s podrškom.

Što je nadzirano učenje?

Model uči na označenim podacima (ulazi imaju pridružene izlaze).

Daj primjer nadziranog učenja.

Klasifikacija e-mailova kao „spam” ili „nije spam”.

Što je nenadzirano učenje?

Model analizira neoznačene podatke i sam pronalazi obrasce.

Daj primjer nenadziranog učenja.

Grupiranje kupaca prema ponašanju kupovine.

Što je polu-nadzirano učenje?

Kombinira mali označeni i veliki neoznačeni skup podataka.

Što je učenje s podrškom?

Model uči kroz nagrade i kazne unutar dinamičnog okruženja.

Koji algoritmi spadaju u nadzirano učenje?

Linearna regresija, logistička regresija, neuronske mreže, SVM.

Koji algoritmi spadaju u nenadzirano učenje?

K-means klasteriranje, PCA, asocijativno učenje.

Što je model u strojnome učenju?

Matematički prikaz naučen iz podataka primjenom algoritma.

Što su značajke (features) u modelu?

Mjerljive karakteristike podataka (npr. visina, boja, težina).

Što je ciljna varijabla (target variable)?

Vrijednost koju model pokušava predvidjeti.

Koje vrste podataka postoje u strojnome učenju?

Numerički, kategorički i redni podaci.

Koja je razlika između diskretnih i kontinuiranih numeričkih podataka?

Diskretni su cijeli brojevi, a kontinuirani mogu imati decimalne vrijednosti.

Koja je razlika između kategoričkih i rednih podataka?

Redni podaci imaju prirodan poredak, a kategorički ne.

Koje su osnovne statističke funkcije u Pythonu?

Mean, median, mode, standardna devijacija, percentili.

Kako se računa srednja vrijednost u Pythonu?

numpy.mean(podaci).

Kako se računa medijan u Pythonu?

numpy.median(podaci).

Kako se računa modus u Pythonu?

stats.mode(podaci).

Kako se računa standardna devijacija u Pythonu?

numpy.std(podaci).

Koja je svrha vizualizacije podataka?

Prikaz odnosa i distribucija u podacima.

Koje su osnovne vrste grafova za vizualizaciju podataka?

Histogram, scatter plot, box plot.

Kako se crta histogram u Pythonu?

plt.hist(podaci).

Kako se crta scatter plot u Pythonu?

plt.scatter(x, y).

Što je linearna regresija?

Predviđanje trendova pomoću pravca u podacima.

Koja je formula za linearnu regresiju?

y = mx + b (nagib * x + odsječak).

Kako se u Pythonu računa linearna regresija?

stats.linregress(x, y).

Što je polinomialna regresija?

Model koji koristi polinomske funkcije umjesto pravca.

Kako se računa polinomialna regresija u Pythonu?

numpy.polyfit(x, y, stupanj).

Što je višestruka linearna regresija?

Predviđanje izlaza na temelju više ulaznih varijabli.

Kako se kreira višestruka regresija u Pythonu?

sklearn.linear_model.LinearRegression().

Što je R² (r2_score)?

Mjera kvalitete modela (od 0 do 1).

Kako se računa R² u Pythonu?

r2_score(y, model(x)).

Što je train/test metoda?

Podjela podataka na trening (80%) i testiranje (20%).

Zašto je važno testirati model?

Da bismo provjerili njegovu točnost na novim podacima.

Koji moduli u Pythonu se koriste za strojno učenje?

numpy, pandas, scipy, matplotlib, sklearn.

Koji je glavni cilj strojnog učenja?

Razviti modele koji mogu učiti iz podataka i donositi predviđanja.

Koji su primjeri primjene strojnog učenja u stvarnom svijetu?

Dijagnostika bolesti, autonomna vozila, prepoznavanje govora, algoritamsko trgovanje.