VIŠI PREDAVAČ

Marko Hajba

mag. math., v. pred.

Kabinet	2 – 20
Telefon	033 / 492-259
E-mail	marko.hajba@vuv.hr
Konzultacije	Prema dogovoru e-mailom

Profili i poveznice

CroRIS profil
Google Scholar
Osobna stranica i materijali

Životopis

Marko Hajba rođen je 30. 10. 1988. godine u Virovitici. Pohađao je Osnovnu školu Ivane Brlić-Mažuranić te Gimnaziju Petra Preradovića (smjer prirodoslovno-matematička gimnazija), gdje je dvaput proglašen najboljim učenikom Virovitičko-podravske županije. Godine 2007. upisao je studij matematike na Prirodoslovno-matematičkom fakultetu u Zagrebu, a 2010. diplomski studij Primijenjene matematike na istom fakultetu. Diplomirao je u srpnju 2012. radom „Numeričko rješavanje Ljapunovljeve jednadžbe” pod mentorstvom prof. dr. sc. Zlatka Drmača.

Iste godine započinje raditi kao nastavnik u osnovnoj, a zatim u srednjoj školi. Stručni ispit za nastavnika položio je 2014. godine. U studenom 2015. upisuje Poslijediplomski doktorski studij matematike na PMF-u u Zagrebu, a u listopadu 2016. zapošljava se na tadašnjoj Visokoj školi za menadžment u turizmu i informatici u Virovitici kao asistent. Od 2019. godine voditelj je Centra za istraživanje i razvoj Veleučilišta u Virovitici. U ožujku 2020. napredovao je u zvanje predavača, a 2025. u zvanje višeg predavača.

Interesi istraživanja

Numerička matematika
Strojno učenje
Deep Learning
Matematičko modeliranje

Nastava

Numerička matematika	Osnove programiranja

Objektno-orijentirano programiranje	Matematika 2

Signali i sustavi prijenosa	Formalne metode specifikacije

Projektiranje informacijskih sustava

Međunarodna predavanja i projekti

2023 – 2026

Metode strojnog učenja za predviđanje lokalizacije svojstvenih modova

Bilateralni znanstveno-istraživački projekt MZO – NSF (Hrvatska – SAD)

Portland State University, Portland, Oregon, SAD — 16.11.2023.
Tensorial Neural Networks for Eigenvalue Problems

2017

DAAD-MZOs grant — Asimptotska i algebarska analiza nelinearnih problema svojstvenih vrijednosti

Technische Universität Berlin, 16.–25.11.2017.
Numerical study of the approximation quality of 1D PDE network approximation of the 3D model of the endovascular stent