POLETNA RAZISKOVALNA ŠOLA PROGRAMIRANJA 2020 - prva izmena

Poletne šole programiranja izvajamo neprekinjeno od leta 1991 in to je že 30 leto, ko smo izvedli vsaj eno izmeno poletne šole. Poletno šolo smo izvedli v štirih skupinah. Vsaka skupina je imela svoj projekt.

Zaradi ukrepov povezanih s širjenjem virusa Covid 19 smo želeli maksimalno zmanjšati stike in namesto zaključne preditve s predstavitvijo rezultatov in na tej strani objavljamo kratko poročilo o izvedenih projektih.

Uganke v logu

Na poletni šoli sva izdelala program Uganka.Program ti zastavi vprašanje in ti daje namige, da lažje rešiš uganko. Da sva lahko naredila program sva se morala naučiti veliko novih stvari. Med drugim sva se naučila uporabljati in sestavljati sezname. V datoteke sva dajala tekst.

Pripravila: Erazem in Tomaž

Projekt cgi

Napravili smo projekt s katerim lahko vsi sedanji in novi učenci na ZRI-ju izberejo termin za obiskovanje ure, ki jim najbolj ustreza. Tako lahko sami določijo, kaj jim najbolj ustreza (prioriteta se določi od 1 do 10). Vodstvo ZRI-ja lahko tako odloči termin, kateri jim najbolj ustreza.

Jeseni 2020 bomo lahko učenci uporabili ta program. Na svoj elektronski naslov bomo prejeli podatke za prijavo in tako preizkusili kako uspešno smo pripravili projekt.

Pripravili: Filip, Enej in Peter

Priprava na mednarodna tekmovanja

V ponedeljek smo začeli z vajami na Putki. Naučili smo se Fenwick-ovimi drevesi in delali na to tematiko še nekaj vaj. Nato smo nadaljevali s segmentnimi drevesi in smo nadaljevali z nalogami. Nslednje dni smo se učili o teoriji grafov in preiskovanju poti v grafih.

Pripravila: Jakob in Oskar

Strojno učenje

Kmet Franc se je odločil pri svojih putkah raziskati odnos med indeksom telesne mase in povprečno količino zvaljenih jajc na mesec. Pred kratkim je namreč kupil novo putko. Zanima ga, koliko jajc bo znesla prihodnji mesec. Iz podatkov je razbral, da njegov problem najbolje opiše premica.

Kmet se je odločil, da bo za risanje premice uporabil linearno regresijo. To je algoritem strojnega učenja, ki ustvari naključno premico in jo postopoma popravlja tako, da se vedno bolj prilega podatkom. Pri algoritmu poskušamo zmanjšati razdaljo med premico, ki predstavlja napoved, in podatki:

Da bi to dosegel, je uporabil gradientno spuščanje. Za lažje razumevanje si predstavljamo hribovito pokrajino. Višina hribov in dolin predstavlja odstopanje naših napovedi od podatkov, naša trenutna lokacija pa predstavlja koeficiente premice (naklon in začetno vrednost). Čim hitreje želimo priti do karseda nizke točke, zato uberemo najstrmejšo pot navzdol. Na poti v dolino se upočasnjujemo, v dolini pa se ustavimo; naša lokacija tedaj predstavlja koeficiente do sedaj najbolj ustrezne premice.

Premico lahko matematično opišemo z dvema številoma: z naklonom in z začetno vrednostjo. Na podoben način lahko opišemo polinom, le da je števil več. Posledično algoritem deluje tudi za iskanje krivulj. Omejen pa ni samo na krivulje, saj z več številkami lahko poleg polinoma opišemo tudi več različnih dimenzij.

Zaradi vsega dela, ki ga je kmet vložil v kokoši z matematičnim hribolazenjem, se je odločil, da bo zapustil svojo kmetijo in postal programer.

Pripravili: Domen, Jani, Patrik in Žan

Stanje usklajeno: 3. 07. 2020