Sveučilišni prijediplomski studij Građevinarstvo

Opće informacije

Predavanja

Izv. prof. dr. sc. MARIN GRUBIŠIĆ, mag. ing. aedif.

Vježbe

Izv. prof. dr. sc. MARIN GRUBIŠIĆ, mag. ing. aedif.

Naziv predmeta

Računalno programiranje u građevinarstvu

Studijski program

Sveučilišni prijediplomski studij Građevinarstvo

Status predmeta

Izborni

Godina / Semestar

3. godina / 6. semestar

Bodovna vrijednost i način izvođenja nastave

ECTS koeficijent opterećenja studenata

2,0

Broj sati (P+V+S)

15+15+0

1.OPIS PREDMETA

1.1.      Ciljevi predmeta

Osposobiti studente za samostalno rješavanje inženjerskih problema primjenom računalnog programiranja. Kroz praktične primjere iz područja građevinarstva, studenti će ovladati odabranim programskim jezikom te steći vještine koje su danas neophodne u suvremenoj inženjerskoj praksi – od automatizacije ponavljajućih proračuna do analize i vizualizacije podataka. Primjenjuje se programski jezik Python ili MATLAB.

1.2.      Uvjeti za upis predmeta

Nema.

1.3.      Očekivani ishodi učenja za predmet

Student će moći:

• Obrazložiti prednosti primjene programiranja u svakodnevnom inženjerskom radu
• Odabrati odgovarajuće tipove podataka i strukture za pohranu inženjerskih veličina
• Izraditi pregledne dijagrame i vizualizacije rezultata proračuna
• Samostalno modificirati i proširivati postojeće programske kodove
• Sustavno dijagnosticirati i otklanjati pogreške u programskom kodu
• Razviti vlastite programske alate za rješavanje specifičnih problema u građevinarstvu
• Primijeniti numeričke metode na tipične inženjerske zadatke (statika, hidraulika, geotehnika)
• Automatizirati ponavljajuće proračune i obrade podataka

1.4.      Sadržaj predmeta

• Uvod u programiranje: instalacija okruženja, sučelje, prva skripta
• Varijable, tipovi podataka, aritmetičke i logičke operacije
• Nizovi i matrice – rad s vektorima i tablicama podataka
• Kontrola toka programa: uvjetne naredbe i petlje
• Vizualizacija podataka: 2D i 3D dijagrami, formatiranje i izvoz grafova
• Modularno programiranje: funkcije, argumenti, povratne vrijednosti
• Rad s datotekama: učitavanje, obrada i spremanje podataka (CSV, Excel, TXT)
• Numeričke metode: rješavanje jednadžbi, integracija, derivacije
• Simbolička matematika: analitičko rješavanje i pojednostavljivanje izraza
• Aproksimacija i interpolacija: polinomijalna regresija, spline interpolacija
• Osnove statističke analize: deskriptivna statistika, histogrami, korelacije
• Inženjerski mini-projekt: samostalna izrada programa za odabrani problem iz graditeljstva

1.5.      Vrste izvođenja nastave

x predavanja

   seminari i radionice 

x vježbe 

   obrazovanje na daljinu

   terenska nastava

x samostalni zadaci 

x multimedija i mreža 

   laboratorij

   mentorski rad

1.6.      Komentari

1.7.      Obveze studenata

Redovito pohađanje predavanja i vježbi uz aktivno sudjelovanje; pravovremena predaja domaćih zadaća; uspješno polaganje kolokvija; izrada i prezentacija završnog projekta.

1.8.      Praćenje rada studenata

Pohađanje nastave

1,0

Aktivnost u nastavi

Seminarski rad

0,3

Eksperimentalni rad

Pismeni ispit

Usmeni ispit

Esej

Istraživanje

Projekt

Kontinuirana i/ili završna provjera znanja

0,7

Referat

Praktični rad

Portfolio

1.9.      Ocjenjivanje i vrednovanje rada studenata tijekom nastave i na završnom ispitu

Kontinuirano praćenje provodi se kroz dva obvezna kolokvija i završni projekt. Studentima je omogućen jedan popravni kolokvij kojim mogu nadomjestiti nedostatan rezultat na jednom od obveznih kolokvija.

Struktura ocjenjivanja:

• Kolokviji (2×): 70 % ukupne ocjene (prosjek oba kolokvija)
• Završni projekt: 30 % ukupne ocjene

Pragovi prolaznosti:

• Minimalni rezultat na pojedinom kolokviju: 50 %
• Minimalni rezultat na završnom projektu: 50 %

Ocjene prema ukupnom postotku:

• 50–59 %: dovoljan (2)
• 60–75 %: dobar (3)
• 75–89 %: vrlo dobar (4)
• 90–100 %: izvrstan (5)

1.10.   Obvezatna literatura

• Fangohr, H. (2015) Introduction to Python for Computational Science and Engineering (dostupno online)
• Sweigart, A. (2019) Automate the Boring Stuff with Python (dostupno online)
• Gilat, A. (2011) MATLAB - An Introduction with Applications, 6 edn, Wiley

1.11.   Dopunska literatura

• Scientific Python Lectures, lectures.scientific-python.org (dostupno online)
• VanderPlas, J. (2016) Python Data Science Handbook (dostupno online)
• Prakash, A. (2014) Introduction to Computing with MATLAB, CEE15 Class Notes. School of Civil Engineering, Purdue University

1.12.   Načini praćenja kvalitete koji osiguravaju stjecanje izlaznih znanja, vještina i kompetencija

Postupak praćenja kvalitete s ciljem osiguranja stjecanja definiranih ishoda učenja provodi se kroz:

• Validaciju ishoda učenja koja se provodi putem redovitog prikupljanja povratnih informacija od strane studenata o tome da li se određeni ishodi učenja postižu i da li su svi ishodi pokriveni (analiza studentske ankete o kvaliteti nastavnika, posjećenost i komunikativnost na predavanjima kao i analiza individualnih/grupnih seminarskih radova)
• Verifikaciju studija prema ishodima učenja koja se provodi kroz analizu veze između ishoda učenja, metoda poučavanja i ispitivanja znanja studenata na razini studijskih programa. Uključuje i procjenu kako zadani ishodi učenja utječu na opterećenje studenata.

2. POVEZIVANJE ISHODA UČENJA, NASTAVNIH METODA I PROCJENA ISHODA UČENJA

2. 1. Nastavna aktivnost

2. 2. Aktivnost studenta

2. 3. Ishod učenja

2. 4 Metoda procjene

Predavanja i vježbe

Pohađanje nastave (rad na računalu)

1—7

Provjera prisutnosti na nastavi

Završni projekt

Samostalna izrada završnog projekta (rad na računalu)

1—7

Pregled i ocjenjivanje završnog projekta

Kontinuirana provjera znanja

Rješavanje zadataka na kolokvijima tijekom semestra (rad na računalu)

1—7

Pregled i ocjenjivanje kolokvija

Završna provjera znanja

Rješavanje zadataka na ispitu (rad na računalu)

1—7

Pregled i ocjenjivanje ispita