Professional paper

AGENTNO AI PROGRAMIRANJE ZA ZADATKE STROJNOG UČENJA

Darko Andročec ; Fakultet organizacije i informatike Sveučilišta u Zagrebu *

* Corresponding author.

Abstract

Pojava agentnih razvojnih alata utemeljenih na velikim jezičnim modelima (engl. Large Language Models, LLM) mijenja način na koji razvojni inženjeri i analitičari podataka rade s kodom. Za razliku od asistenata koji samo predlažu dovršetke koda, agentni alati poput Claude Code-a samostalno čitaju repozitorij, izvršavaju naredbe u terminalu, uređuju datoteke, planiraju nizove koraka i delegiraju potposlove specijaliziranim podagentima. Rad istražuje na koji način se takav pristup može produktivno primijeniti na zadatke strojnog učenja, konkretno na razvoj prediktivnih modela u okruženju Kaggle natjecanja. Empirijski dio rada temelji se na dvije studije slučaja: binarnoj klasifikaciji potrebe za navodnjavanjem i regresiji vremena kruga utrke u Formuli 1. Za svaki slučaj prikazani su konfiguracija projekta, tipični tijek rada s alatom, korišteni obrasci agentne suradnje te promjene metričke izvedbe modela kroz iteracije. Rad zaključuje raspravom o prednostima, ograničenjima i prenosivosti uočenih obrazaca u poslovno okruženje, posebice u kontekstu detekcije prijevara, upravljanja odljevom korisnika i drugih klasifikacijskih problema koji dijele metodološku jezgru s razmatranim natjecanjima.

Keywords

agentno AI programiranje; Claude Code; strojno učenje; Kaggle; prediktivni modeli; ansambli

Hrčak ID:

351066

URI

https://hrcak.srce.hr/351066

Publication date:

22.7.2026.

Visits: 0 *