doc. dr. Andrej Furlan

E-mail: andrej.furlan@fis.unm.si
Govorilne ure: po dogovoru

Doc dr. Andrej Furlan je diplomiral leta 2001 na odseku za fiziko, Fakultete za naravoslovje in matematiko, Univerze v Zagrebu, Hrvaška. Po študiju in po krajšem času na Institutu Ruđer Bošković v Zagrebu se je preselil na Švedsko, kjer se je na univerzi v Linköpingu ukvarjal z raziskovalnim delom na področju fizike materialov. Tam je tudi doktoriral leta 2009 s specializacijo na področju fizike tankih plasti in površin. V svoji raziskovalni karieri je bil aktiven na področjih razvoja novih površinskih prevlek z uporabo eksperimentalnih metod sinteze v laboratoriju in teoretično z računalniškim modeliranjem. Bil je raziskovalec tudi v Ångström laboratoriju v Uppsali ter na Ruhr-Universität Bochum v Nemčiji in je delal v podjetjih na Švedskem in v Nemčiji, ki jim je z znanstvenim pristopom pomagal pri reševanju praktičnih problemov v proizvodnji.
Poleg svojega primarnega poklica je tudi lingvist in je aktiven tudi kot učitelj za tuje jezike (švedski, italijanski, hrvaški, slovenski) na dveh Volkshöchschule v Nemčiji.

Od leta 2021 je zunanji sodelavec predavatelj na Fakulteti za informacijske študije v Novem mestu.

Andrej Furlan, PhD graduated in 2001 from the Department of physics, Faculty of natural sciences and mathematics, University of Zagreb, Croatia. After graduation, and a shorter time at the Ruđer Bošković Institute in Zagreb, he moved to Sweden, where he worked as a researcher in the field of material science, at the University of Linköping. There he defended his doctoral thesis in 2009, with the specialisation in the field of thin film physics and surfaces. In his scientific career he has been active in the field of development of novel coating materials with applications of the experimental methods of synthesis in the laboratory, and theoretically, by computer modelling. He worked as researcher also at the Ångström laboratory in Uppsala, and at the Ruhr-Universität Bochum in Germany, and in companies in Sweden and Germany, where he helped to resolve practical production problems using the scientific approach.  

In addition to his primary profession, his is also a linguist, and works as a foreign language teacher (Swedish, Italian, Croatian, Slovenian) at two Volkhöchscule in Germany.

Since 2021 he is external collaborator lecturer at the Faculty of information studies in Novo Mesto.

1. letnik

Operacijski sistemi

Predmet študente seznani z osnovnimi zakonitostmi operacijskih sistemov, ki stojijo za vsakim računalniškim sistemom, in predstavi zgradbo ter delovanje računalnika (pomnilnik in shranjevanje podatkov, zaščita in varnost sistema). Študentje obravnavajo operacijski sistem GNU Linux, programski jezik C, OS X, Android in jih tudi primerjajo med sabo. Na vajah v praksi spoznajo konkretne protokole in orodja, o katerih se učijo na predavanjih. Pripravijo in predstavijo tudi projekt, kjer preučijo določeno vsebinsko področje ali rešijo konkreten problem. Povezava na učni načrt.

2. letnik

Analiza omrežij

Pri predmetu Analiza omrežij delajo študentje z večjimi in manjšimi omrežji ter se naučijo postopkov analize omrežij. Ponovijo osnove teorije grafov in spoznajo mere središčnosti v omrežjih, povezave v omrežjih, značilnosti velikih omrežij, metode teoretičnega računalništva in analize ter načrtovanja algoritmov za velika in mala omrežja. V skupinah izvedejo projekt, na vajah v računalniški učilnici pa uporabljajo nekaj najaktualnejših programskih orodij za reševanje problemov iz analize omrežij (R, Sage, Pajek). Povezava na učni načrt.

1. letnik

Operacijski sistemi

Predmet študente seznani z osnovnimi zakonitostmi operacijskih sistemov, ki stojijo za vsakim računalniškim sistemom, in predstavi zgradbo ter delovanje računalnika (pomnilnik in shranjevanje podatkov, zaščita in varnost sistema). Študentje obravnavajo operacijski sistem GNU Linux, programski jezik C, OS X, Android in jih tudi primerjajo med sabo. Na vajah v praksi spoznajo konkretne protokole in orodja, o katerih se učijo na predavanjih. Pripravijo in predstavijo tudi projekt, kjer preučijo določeno vsebinsko področje ali rešijo konkreten problem. Povezava na učni načrt.

2. letnik

Odkrivanje znanja v podatkih

Predmet študente seznani s procesom odkrivanja znanja v podatkih in njegovo arhitekturo (metode in proces odkrivanja znanja, naloge in aplikacije podatkovnega rudarjenja, modeli odkrivanja znanja). Predstavi osnove strojnega učenja ter tehnike podatkovnega rudarjenja (asociacijska pravila, odločitvena drevesa, najbližji sosed, Bayesova klasifikacija, analiza grozdenja). Študenti prav tako spoznajo podatkovna skladišča, podatkovno kocko in analize tipa OLAP. Študentje pripravijo študijo realnih primerov odkrivanja znanja iz podatkov, spletnih virov oz. besedil. Povezava na učni načrt.

Izbirni predmet

Podatkovno rudarjenje

Predmet Podatkovno rudarjenje študente seznani s procesom odkrivanja zakonitosti v podatkih in njegovo arhitekturo (metode in proces odkrivanja znanja, naloge in aplikacije podatkovnega rudarjenja). Predstavi osnove strojnega učenja ter tehnike podatkovnega rudarjenja (odločitvena drevesa, k-najbližji sosed, Bayesova klasifikacija, genetski algoritmi, delitvene metode, hierarhične metode, metode gostote, mrežno razvrščanje, samoorganizirajoče nevronske mreže-Kohonenova nevronska mreža). S tem študente usposobi za zahtevnejšo obdelavo rezultatov, pri čemer uporabljajo najaktualnejša programska orodja za podatkovno rudarjenje (WEKA, Rapidminer). Študentje pripravijo raziskovalno nalogo (samostojno kratko raziskovalno delo, ki bo temeljilo na primerjavi različnih tehnik in postopkov podatkovnega rudarjenja) ter projekt (v manjših skupinah, vključuje konkreten problem). Povezava na učni načrt.

 

 

1. letnik

Podatkovno rudarjenje

Cilj predmeta je študentom predstaviti osnovne ideje in principe na katerih temeljijo metode za podatkovno rudarjenje, ter jih seznaniti s paradigmami uporabe nekaterih najpomembnejših orodij. Študenti bodo spoznali pojme, naloge in standarde podatkovnega rudarjenja, pridobili razumevanje osnovnih principov na katerih temeljijo postopki za podatkovno rudarjenje ter se naučili pravilne in samostojne uporabe nekaj aktualnih programskih orodij za podatkovno rudarjenje. Povezava na učni načrt.

Strojno učenje 1

Cilj predmeta je predstaviti osnove umetne inteligence, metod in algoritmov strojnega učenja ter uporabiti pridobljene veščine za odkrivanje znanj iz podatkov ter za reševanje klasifikacijskih in regresijskih nalog. Študenti bodo dobili teoretično znanje iz tekstovnega rudarjenja, nevronske mreže, globokega učenja in računalniškega vida in ga uporabili pri resničnih problemih iz znanstvenega in poslovnega okolja. Študenti se seznanijo s teoretskimi osnovami in s praktičnimi vidiki strojnega učenja, da lahko uporabijo znanje različnih tehnik in metod strojnega učenja za analizo, sintezo in predvidevanje rešitev ter njihovih posledic za ciljne probleme. Povezava na učni načrt.