Područje učenja

Središnji ulaz u sve sadržaje za učenje — vođeno ili slobodno, kako ti odgovara.

Putovi učenjaSadržaj

Temelj

Ovdje se postavljaju tehnički temelji kako nitko ne bi zapeo na stručnim pojmovima.

Operacije i komandna linija

Kako računalo funkcionira, što su API-ji, kako koristiti terminal, postaviti razvojno okruženje, koristiti Git i razumjeti otvoreni kod.

Početnik 0 od 6

Razumijete kako računala rade, sigurno se krećete u terminalu, koristite Git i razumijete otvoreni kod.

6 članaka Apsolutni početnici Nema
1

Kako računalo "razmišlja"

CPU, GPU, RAM, disk i binarni kod - osnove hardvera.

2

Internet i API-ji

Klijent, poslužitelj, HTTP zahtjevi i API-ji kao sučelja.

3

Terminal

GUI vs. CLI, putanje i najvažnije naredbe.

4

Vaše razvojno okruženje

Uskoro dostupno

5

Kontrola verzija s Git-om

Repozitorij, commit, grana i GitHub kao pohrana u oblaku.

6

Otvoreni kod vs. zatvoreni kod

Izvorni kod, licence (GPL, MIT) i zašto je transparentnost važna.

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Python i logika programiranja

Od varijabli, kontrolnih struktura i funkcija do klasa, paketa i virtualnih okruženja.

Početnik

Programirate u Pythonu, razumijete tipove podataka, kontrolne strukture, OOP i postavljate čista razvojna okruženja.

8 članaka Početnici s osnovnim poznavanjem računala Preduvjet: Operacije i komandna linija
1

Varijable i tipovi podataka

String, integer, float, boolean i dodjele.

2

Kontrolne strukture

If/Else grananja i petlje (For, While).

3

Funkcije

Parametri, povratne vrijednosti i modularni kod.

4

Kad kod pukne (greške i otklanjanje pogrešaka)

Sintaksna vs. logička pogreška, Try/Catch i čitanje stack trace-a.

5

Liste i rječnici

Nizovi, ključ-vrijednost pohrane i pristup putem indeksa.

6

Objektno orijentirano programiranje (klase i objekti)

Klasa, objekt, metoda i atribut - nacrt za kompleksni kod.

7

Vanjske biblioteke koda (paketi)

Pip, ovisnosti, import - ne izmišljati kotač.

8

Izolacijski mjehur (virtualna okruženja / Docker)

venv, kontejneri i reproduktibilna okruženja.

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Radionica

Ovdje nastaju stvari. Fokus na primjeni, alatima i modernim tijekovima rada.

Generativna umjetnost (Slike i video)

Generiranje slika, Stable Diffusion, LoRA, ControlNet i optimizacija radnog toka.

Početnik

Generirate vlastite slike sa Stable Diffusion, razumijete tekst u sliku i savladavate LoRA, ControlNet i povećanje rezolucije.

4 članka + 1 demo Kreativci, dizajneri, hobisti Preduvjet: Operacije i komandna linija
1

Generiranje slika (Od teksta do piksela)

Tekst u sliku, pisanje naredbi i sjeme (slučajna vrijednost).

2

Alat (Stable Diffusion Forge)

Sučelje, lokalni VRAM i brzina generiranja.

3

Kontrola i fino ugađanje

LoRA, popunjavanje unutra i popunjavanje izvana.

4

Optimizacija radnog toka

ControlNet (poze, rubovi) i povećanje rezolucije.

5

GAN-ovi – Interaktivna demonstracija

Iskusite interaktivno kako GAN-ovi generiraju slike.

Neobavezno

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Lokalni jezični modeli

Ekosustav Hugging Face, lokalno pokretanje modela i razumijevanje kvantizacije.

Napredni Dolazi 23. ruj 2026.

Razumijete Hugging Face, donosite modele na svoje računalo i razumijete kvantizaciju.

3 članka Svjesni privatnosti, entuzijasti Preduvjet: Operacije i komandna linija
1

Ekosustav (Hugging Face)

Dolazi 23. ruj 2026.

2

Donošenje modela na vlastito računalo

Dolazi 23. ruj 2026.

3

Kvantizacija (Smanjivanje modela)

Dolazi 23. ruj 2026.

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Agenti i automatizacija

Sistemski upiti, inženjering naredbi, RAG, pozivanje funkcija, API-ji i radni tokovi bez koda.

Napredni

Kreirate sistemske upite, gradite RAG cjevovode, koristite pozivanje funkcija i automatizirate radne tokove s n8n.

6 članaka Praktičari, automatizatori Preduvjet: Lokalni jezični modeli Python i logika programiranja
1

Davanje zadatka modelu (Sistemski upiti)

Sistemski upit, igranje uloga, jednoetapno vs. višeetapno.

2

Inženjering naredbi (Lanac misli)

Bez primjera, lanac misli i izbjegavanje halucinacija.

3

Priključivanje vlastitih podataka (RAG)

Generiranje uz dohvaćanje, segmentacija, ugradni vektori i vektorska baza podataka.

4

Pozivanje funkcija (Kada UI pritiska tipke)

JSON izlaz, korištenje alata – UI odlučuje koji alat koristiti.

5

Korištenje sučelja (API-ji i MCP)

API ključ, protokol konteksta modela i serverska arhitektura za UI agente.

6

Radni tokovi bez koda (n8n)

Okidač, čvor, automatizacija radnog toka i webhooks.

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

UI u razvoju softvera

Vibecoding, inženjering konteksta, Harness Engineering i agentno kodiranje – novi način programiranja.

Napredni Dolazi 21. lis 2026.

Programirate uz UI, savladavate inženjering konteksta i koristite autonomne agente za kodiranje.

4 članka Programeri, stvaratelji Preduvjet: Python i logika programiranja Agenti i automatizacija
1

Programiranje prirodnim jezikom (Vibecoding)

Dolazi 21. lis 2026.

2

Inženjering konteksta

Dolazi 21. lis 2026.

3

Harness Engineering: Zaštitne ograde umjesto nade

Dolazi 21. lis 2026.

4

Agentno kodiranje (UI-ji koji sami tipkaju)

Dolazi 21. lis 2026.

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Kvaliteta softvera i testiranje

Čitanje testova, razumijevanje strojnih provjera, prihvaćanje promjena i zaštita tajni — kvaliteta bez znanja programiranja.

Napredni Dolazi 18. stu 2026.

Čitate test i prepoznajete što on zapravo provjerava, razvrstavate crvene strojne provjere, postavljate agentu tri pitanja čiji odgovor sami možete provjeriti, i znate što nikad ne smije u repozitorij.

4 članka Svi koji softver prepuštaju izradi UI agentima Preduvjet: UI u razvoju softvera
1

Razumjeti testove kad ih piše agent

Dolazi 18. stu 2026.

2

Gates: Sigurnosna mreža od strojnih provjera

Dolazi 18. stu 2026.

3

Recenzija bez znanja programiranja

Dolazi 18. stu 2026.

4

Tajne i sigurnost: Što nikad ne smije u repozitorij

Dolazi 18. stu 2026.

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Akademija

Akademska osnova — odgovara AI modulima studija informatike, ali bez barijera.

Informatičke strukture i algoritmi

Što su algoritmi, kako skaliraju i koje strukture podataka pokreću informatiku.

Napredni

Razumijete algoritme, Big-O notaciju, rekurziju i najvažnije strukture podataka (linearne, hijerarhijske, ključne).

6 članaka Učenici s Python osnovama Preduvjet: Python i logika programiranja
1

Što je algoritam?

Determinizam, konačnost, ulaz/izlaz - recept za strojeve.

2

Algoritmička složenost (Big-O)

Razumjeti skaliranje: linearno, kvadratno, eksponencijalno.

3

Strukture podataka I (linearne)

Niz, vezana lista, stog, red.

4

Rekurzija

Baza, rekurzivni poziv i prekoračenje stoga - petlje na steroidima.

5

Strukture podataka II (hijerarhijske i umrežene)

Stablo, binarno stablo pretrage, graf, čvor, brid.

6

Strukture podataka III (ključne)

Hash tablica, par ključ-vrijednost i keiranje.

7

Travelling Salesman — When Trying Everything Takes Too Long

This path's first demo: find the shortest tour through many cities — an NP-hard problem that exposes the limits of brute force and why we need clever heuristics like simulated annealing.

Neobavezno

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Matematika podataka

Statistika i teorija vjerojatnosti kao temelj za strojno učenje.

Napredni

Razumijete mjere središnje tendencije, disperziju, distribucije, korelaciju, vjerojatnost i Bayesov teorem.

6 članaka + 1 demo Učenici s osnovama algoritama Preduvjet: Informatičke strukture i algoritmi
1

Mjere središnje tendencije (gdje je sredina?)

Prosjek, medijan i outlieri.

2

Disperzija (kako daleko od sredine?)

Varijanca, standardna devijacija i raspon.

3

Distribucije (oblik podataka)

Normalna distribucija, asimetrija i dugački rep.

4

Veze između podataka

Korelacija, uzročnost i confounderi.

5

Vjerojatnost i očekivana vrijednost

Vjerojatnost, očekivana vrijednost i račun rizika/dobiti.

6

Bayes i uvjetna vjerojatnost

Bayesov teorem: prilagodba mišljenja novim spoznajama.

7

Naivni Bayes - interaktivna demo

Klasificirajte tekstove uživo s Naivnim Bayesovim algoritmom.

Neobavezno

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Linearna algebra i račun

Vektori, matrice, tenzori, derivacije i lančano pravilo - jezik dubokog učenja.

Napredni

Razumijete vektore, matrice, tenzore, derivacije, parcijalne derivacije i lančano pravilo kao temelj za backpropagation.

6 članaka Učenici s osnovama statistike Preduvjet: Matematika podataka
1

Prostori i smjerovi (vektori)

Skalar, vektor, dimenzionalnost i vektorski prostor.

2

Tablice podataka i transformacije (matrice)

Matrica, množenje matrica, transformacija i skalarni produkt.

3

Tenzori (jezik GPU-ova)

Tenzor kao n-dimenzionalni niz, grupiranje i oblik.

4

Mjerenje promjene (derivacije)

Nagib, brzina promjene i minima/maksima.

5

Parcijalne derivacije i gradijent

Višedimenzionalni nagib i gradijentni vektor.

6

Ulančane funkcije (lančano pravilo)

Kompozicija funkcija i lančano pravilo - preduvjet za backpropagation.

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Klasična, simbolička UI

Od Turinga preko pretraživanja, heuristika i teorije igara do ekspertnih sustava i Zime UI.

Napredni

Razumijete korijene UI, navigirate prostorima stanja, savladavate pronalaženje puta i teoriju igara i poznajete pouke Zime UI.

7 članaka + 4 dema Učenici s osnovama algoritama Preduvjet: Informatičke strukture i algoritmi
1

Rađanje UI (Od Turinga do Dartmoutha)

Turingov test, Dartmouth konferencija (1956.), ELIZA – povijesni okvir.

2

Pretraživanje grafa

Prostor stanja, pretraživanje u širinu (BFS) i pretraživanje u dubinu (DFS).

3

Heuristike i pronalaženje puta

Heuristika, funkcija troška, Dijkstra i A* algoritam.

4

A* pronalaženje puta – Interaktivna demonstracija

Pogledajte A* i Dijkstru u akciji pri navigaciji kroz labirint.

Neobavezno
5

Agenti u sukobima (Teorija igara)

Sustavi s više agenata, igre s nultim zbrojem i Nasheva ravnoteža.

6

MinMax i obrezivanje

Stablo odlučivanja, MinMax strategija i Alpha-Beta obrezivanje.

7

MinMax – Interaktivna demonstracija

Igrajte Tic-Tac-Toe protiv nepobjedive MinMax UI.

Neobavezno
8

Pravila i logika (Ekspertni sustavi)

Ekspertni sustav, mehanizam zaključivanja, If-Then pravila i kombinatorna eksplozija.

9

Zasnovana na pravilima – Interaktivna demonstracija

Iskusite interaktivno kako ekspertni sustav gradi logičke uzročne lance.

Neobavezno
10

ELIZA Chatbot – Interaktivna demonstracija

Razgovarajte s prvim pravilima zasnovanim terapeutskim botom u povijesti.

Neobavezno
11

Zima UI (Neuspjeh i pouke)

Lighthillov izvještaj, pretjerana obećanja i zašto je simbolička UI zakazala zbog složenosti.

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Osnove strojnog učenja

Promjena paradigme: Od programiranja do treniranja – nadgledano, nenadgledano i alati za evaluaciju.

Napredni 0 od 16

Razumijete paradigme strojnog učenja, trenirate modele nadziranog učenja, evaluirate s metrikama i poznajete preprilagodbu i nenadgledano učenje.

8 članaka + 2 dema Učenici sa svim osnovnim putovima Preduvjet: Informatičke strukture i algoritmi Matematika podataka Linearna algebra i račun Klasična, simbolička UI
1

Programiranje vs. treniranje

Strojno učenje, podaci za treniranje, model i zaključivanje.

2

Nadgledano učenje (Učenje s učiteljem)

Oznaka, značajke, cilj, klasifikacija vs. regresija.

3

Linearna i logistička regresija

Linija regresije, Sigmoid i funkcija gubitka (MSE).

4

Sirovina (Inženjering podataka)

Inženjering značajki, nedostajuće vrijednosti i normalizacija.

5

Parametri vs. hiperparametri

Što UI uči sama vs. što čovjek postavlja.

6

Kad učenik pamti napamet

Preprilagodba, podprilagodba, dijeljenje na skup za treniranje i testiranje i skup za validaciju.

7

Evaluacija modela

Točnost, preciznost, odziv, F1-mjera i matrica zabune.

8

Nenadgledano učenje (Struktura u kaosu)

Grupiranje (k-sredine), smanjenje dimenzionalnosti (PCA) i detekcija anomalija.

9

Nadgledano učenje – Interaktivna demonstracija

Trenirajte model i promatrajte granicu odluke.

Neobavezno
10

Decision Tree — the Glass-Box Classifier

Watch a tree of yes/no questions carve up the data — and see it tip into overfitting when it asks too many. The most transparent algorithm in the ML toolkit.

Neobavezno
11

K-sredine grupiranje – Interaktivna demonstracija

Promatrajte kako k-sredine sortira podatkovne točke u grupe.

Neobavezno

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Duboko učenje (Neuralna revolucija)

Od umjetnog neurona preko aktivacije, skrivenih slojeva i funkcija gubitka do gradijentnog spusta i propagacije unatrag.

Stručnjak

Razumijete neuralne mreže od perceptrona do propagacije unatrag i možete pratiti cijeli proces treniranja.

6 članaka + 3 dema Učenici s osnovama strojnog učenja Preduvjet: Osnove strojnog učenja
1

Umjetni neuron

Perceptron, težine, bias i sumacija.

2

Perceptron – Interaktivna demonstracija

Trenirajte najjednostavniju neuralnu mrežu korak po korak.

Neobavezno
3

Iskra (Aktivacijska funkcija)

Linearnost vs. nelinearnost, ReLU i Sigmoid.

4

Mreža (Skriveni slojevi)

Duboka neuralna mreža, skriveni sloj i prolaz naprijed.

5

Neural Network Playground — Interaktivna demonstracija

Izgradite vlastite arhitekture mreže, trenirajte uživo i gledajte propagaciju unatrag u akciji.

Neobavezno
6

Kako UI računa koliko griješi

Funkcija gubitka, srednja kvadratna pogreška i unakrsna entropija.

7

Put u dolinu (Gradijentni spust)

Gradijentni spust, stopa učenja i lokalni/globalni minimum.

8

Gradijentni spust — Interaktivna demonstracija

Pratite optimizer korak po korak kako silazi u dolinu.

Neobavezno
9

Srce učenja (Propagacija unatrag)

Propagacija unatrag i povratno prenošenje pogreške – zasnovano na lančanom pravilu.

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Moderne arhitekture (GenAI)

Od tokenizacije preko ugradnih vektora, CNN-ova, RNN-ova i transformera do LLM-ova, prijenosnog učenja i difuzije.

Stručnjak 0 od 18

Razumijete tokenizaciju, ugradne vektore, CNN-ove, RNN-ove, transformere, LLM-ove, prijenosno učenje, uzorkovanje i difuziju.

9 članaka + 3 dema Učenici s osnovama dubokog učenja Preduvjet: Duboko učenje (Neuralna revolucija)
1

Tokenizacija (Abeceda strojeva)

Token, BPE, kontekstualni prozor – zašto UI ne razumije slogove.

2

Ugradni vektori i latentni prostor

Word2Vec, vektori ugradnih vektora i semantička distanca.

3

Računalni vid (CNN-ovi)

Konvolucija, filtar/jezgra, sažimanje i ekstrakcija značajki.

4

Vrijeme i sekvence (RNN-ovi)

Sekvencijalni podaci, rekurzivne neuralne mreže i nestajanje gradijenta.

5

Proboj (Transformeri i pažnja)

Samo-pažnja, upit/ključ/vrijednost i blok transformera.

6

Mehanizam pažnje — Interaktivna demonstracija

Razumijte upit/ključ/vrijednost korak po korak — srce svakog transformera.

Neobavezno
7

Veliki jezični modeli (LLM-ovi)

Temeljni model, predtreniranje, predviđanje sljedećeg tokena i veličina parametara.

8

Prijenosno učenje i fino ugađanje

Pretreniranje težina, kontrolne točke i LoRA.

9

Uzorkovanje i temperatura

Softmax, temperatura, Top-K/Top-P – zašto ChatGPT ne govori uvijek isto.

10

Generativni modeli slika (Difuzija)

Latentni prostor, šum, uklanjanje šuma i tekst u sliku.

11

GAN-ovi – Interaktivna demonstracija

Iskusite interaktivno kako GAN-ovi generiraju slike.

Neobavezno

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Pojačano učenje

Učenje kroz nagradu: Od osnovnog principa preko Q-učenja do RLHF.

Stručnjak Dolazi 7. lis 2026.

Razumijete ojačano učenje, MDP, Q-učenje i RLHF – kako ChatGPT uči uljudnost.

3 članka + 2 dema Učenici s osnovama dubokog učenja Preduvjet: Duboko učenje (Neuralna revolucija)
1

Mrkva i batina (Princip)

Dolazi 7. lis 2026.

2

Razvijanje strategija (Q-učenje i MDP-ovi)

Dolazi 7. lis 2026.

3

Q-učenje – Interaktivna demonstracija

Promatrajte kako agent pronalazi izlaz putem Q-učenja.

Neobavezno
4

RLHF (Kako LLM-ovi uče uljudnost)

Dolazi 7. lis 2026.

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Društvo i inkluzija

Posebni pristupi za posebne ciljne skupine.

Etika i mitovi

Svijest, pristranost, autorska prava i ubrizgavanje naredbi – kritična pitanja oko UI.

Početnik

Razlikujete AGI od statistike, analitički razumijete pristranost u podacima za treniranje, poznajete pitanja autorskih prava i rizike ubrizgavanja naredbi.

4 članka Svi zainteresirani Nema
1

Svijest vs. vjerojatnost

AGI, osjetnost i stohastički papagaj.

2

Pristranost i kvaliteta podataka

Pristranost pri treniranju, teorem nemogućnosti, signal vs. šum.

3

Autorska prava i krađa podataka

Fer korištenje, odjava i autorska prava u podacima za treniranje.

4

Sigurnost i ubrizgavanje naredbi

Jailbreakovi, eksfiltracjia podataka i kako se jezični modeli mogu prevariti.

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Europa i pravo

EU Zakon o UI, regulacija temeljnih modela i zaštita podataka u UI aplikacijama.

Početnik Dolazi 4. stu 2026.

Razumijete EU Zakon o UI, obveze transparentnosti za temeljne modele i implikacije GDPR-a za UI.

3 članka Svi zainteresirani Nema
1

EU Zakon o UI

Dolazi 4. stu 2026.

2

Regulacija temeljnih modela

Dolazi 4. stu 2026.

3

Zaštita podataka i UI (GDPR)

Dolazi 4. stu 2026.

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Za seniore (UI u svakodnevnom životu)

Digitalni pomoćnik, sigurnost na internetu i zadržavanje suverenosti.

Početnik 0 od 1

Koristite UI kao svakodnevni pomoćnik, prepoznajete prijevare i zadržavate kontrolu nad svojim podacima.

3 članka + 2 dema Umirovljenici, kasni početnici Nema
1

Digitalni pomoćnik

Glasovni asistent, prijevod i čitanje naglas.

2

Prvi kontakt s UI – Interaktivna demonstracija

Siguran prvi dijalog s jednostavnim chatbotom.

Neobavezno
3

Sigurnost i zaštita od prijevara

Prijevara s unucima 2.0, kloniranje glasa i detekcija krađe identiteta.

4

E-mail štit – Interaktivna demonstracija

Iskusite kako filtar neželjene pošte prepoznaje sumnjive e-mailove.

Neobavezno
5

Zadržati suverenost

Odjava kod pružatelja usluga i kontrola dijeljenja podataka.

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Za učenike i studente

Učenje uz UI umjesto varanja, prepoznavanje deepfakeova i kritička provjera izvora.

Početnik

Koristite UI kao tutora za učenje, prepoznajete deepfakeove i sintetičke medije i kritički provjeravate izvore.

2 članka + 3 dema Učenici, studenti Nema
1

Učenje uz UI (Umjesto varanja)

Sokratski dijalog, tutor za učenje i kritičko propitivanje halucinacija.

2

Istina na internetu

Deepfakeovi, provjera izvora i sintetički mediji.

3

Automobili uče voziti – Interaktivna demonstracija

Promatrajte kako automobili uče savladati stazu putem neuroevolucije. Vozite sami i usporedite se s UI.

Neobavezno
4

Igranje protiv računala – Interaktivna demonstracija

Nadiđite UI koja bira najbolji potez putem MinMax algoritma.

Neobavezno
5

Najstariji chatbot – Interaktivna demonstracija

Razgovarajte s ELIZOM, prvim chatbotom u povijesti.

Neobavezno

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Second Brain i digitalni blizanci

Organizacija znanja izvan glave — i razumijevanje onoga što digitalni odrazi stvarnih stvari mogu i gdje su njihove granice.

Početnik Dolazi 2. pro 2026.

Izrađujete vlastiti Second Brain umjesto skupljanja bilješki koje nikad više ne čitate, i objašnjavate što digitalnog blizanca razlikuje od obične simulacije.

2 članka Svi — tehničko predznanje nije potrebno Nema
1

Second Brain: Vaše vanjsko pamćenje

Dolazi 2. pro 2026.

2

Digitalni blizanci

Dolazi 2. pro 2026.

Preuzmi potvrdu

Kliknite za prikaz statusa

0%

Zanimljivosti

Rastuća izložba demonstracija koje ne uklapaju ni u jednu tematsku stazu — klasici, znatiželje, draži izdvojeni slučajevi.

Zanimljivosti

Dom za demonstracije koje ne pripadaju nijednoj drugoj stazi — klasici, znatiželje, draži izdvojeni slučajevi. Rastuća izložba bez zajedničkog nastavnog plana. Ponekad jedna prijeđe u tematsku stazu, ponekad se pridruži nova.

Početnik

Odabrana šaćica samostalnih demonstracija — šetnja za znatiželjne. Bez zadaća, samo istraživanje.

2 demo Znatiželjni Nema
1

Boids — ponašanje jata

Tri jednostavna pravila po ptici stvaraju jato bez vođe.

Neobavezno
2

Evolucija — mutacija i selekcija

Male životinje se nasumično mutiraju iz generacije u generaciju — evolucija pred očima.

Neobavezno

Preuzmi potvrdu

Kliknite za prikaz statusa

0%