Program se primenjuje od 01.10.2014..
Predmeti preduslovi
Predmet pruža studentima fundamentalna znanja o obradi vremenskih nizova podataka i njenoj primeni u različitim oblastima, uključujući ekonomiju, inženjerstvo, prirodne i društvene nauke. Studenti formalizuju koncept vremenskog niza podataka kroz pojam diskretnog signala i diskretnog slučajnog procesa, kako bi na osnovu stečenog znanja bili u mogućnosti da odaberu odgovarajući model za konkretni vremenski niz podataka, te da ga kompaktno reprezentuju, analiziraju i predvide njegovo buduće ponašanje.
Studenti će se upoznati sa primerima vremenskih nizova podataka (diskretnih signala). Naučiće da interpretiraju stvarne vremenske nizove podataka kao realizacije slučajnih procesa. Upoznaće se sa pojmovima trenda i periodične komponente u vremenskom nizu podataka, kao i načinima njihove estimacije i eliminacije. Ovladaće osnovama modelovanja vremenskih nizova podataka u cilju njihove kompaktne reprezentacije, separacije na relevantne komponente, kao i predikcije budućih vrednosti. Posebno će upoznati ARMA modele i na osnovu stečenih znanja umeće da odaberu odgovarajući model vremenskog niza i reše zadati problem u odgovarajućem programskom okruženju.
Diskretni vremenski nizovi podataka (signali), z-transformacija i spektar diskretnih signala. Slučajni procesi, stacionarnost i ergodičnost. Uvod u modelovanje vremenskih nizova podataka. Izdvajanje trenda i periodične komponente. Spektralna analiza vremenskih nizova podataka. ARMA procesi i ARMA modeli, modelovanje i predikcija ARMA procesa. Modeli nestacionarnih procesa i procesa sa izraženom periodičnom komponentom.
Čitav tok predavanja kontinuirano je praćen sinhronizovanim auditornim i računarskim vežbama. Na auditornim vežbama rešavaju se problemski zadaci obrade vremenskih nizova podataka. Na vežbama u računarskoj laboratoriji studenti stiču praktično iskustvo u radu sa softverskim alatom za analizu vremenskih nizova podataka. Tokom celokupnog procesa izvođenja nastave studenti se podstiču na intenzivnu komunikaciju, kritičko rezonovanje, samostalni rad i aktivan odnos prema procesu nastave.
Autori | Naziv | Godina | Izdavač | Jezik |
---|
Sečujski Milan, Jakovljević Nikša, Delić Vlado | Digitalna obrada signala | 2019 | Fakultet tehničkih nauka, Novi Sad | Srpski jezik |
Sečujski Milan, Delić Vlado, Jakovljević Nikša, Radić Igor | Zbirka zadataka iz digitalne obrade signala | 2016 | Fakultet tehničkih nauka, Novi Sad | Srpski jezik |
Milan Sečujski, Nikša Jakovljević, Vlado Delić | PowerPoint prezentacije sa predavanja i on-line vežbe preko web portala Katedre za telekomunikacije i obradu signala | 2014 | Interni materijal | Srpski jezik |
Popović, M. | Digitalna obrada signala | 1997 | Nauka, Beograd | Srpski jezik |
James Douglas Hamilton | Time Series Analysis | 1994 | Princeton University Press, Princeton, NJ | Engleski |
P.J.Brockwell & R.A.Davis | Introduction to Time Series and Forecasting | 2002 | Springer | Engleski |
Predmetna aktivnost | Predispitna | Obavezna | Broj poena |
---|
Test | da | da | 10.00 |
Test | da | da | 10.00 |
Test | da | da | 10.00 |
Pismeni deo ispita - kombinovani zadaci i teorija | ne | da | 70.00 |
Kolokvijum | ne | ne | 20.00 |
| Ime i prezime | Vid nastave |
---|
| | Predavanja |
| | Auditorne vežbe |
| | Auditorne vežbe |
| | Laboratorijske vežbe |
| | Laboratorijske vežbe |