Courses – Fakultet tehničkih nauka u Novom Sadu

Subject: Razvoj modela i softvera u nauci o podacima (17.IF212)

Native organizations units: No data

Type of studies	Title
Master Academic Studies	Information and Analytics Engineering (Godina: 1, Winter)
Master Academic Studies	Information Engineering (Godina: 1, Winter)

General information:

Category	Theoretical-methodological
Scientific or art field	Applied Computer Science and Informatics
Interdisciplinary	No
ECTS	6

Educational goal:

Sticanje znanja i tehnika za razvoj modela i softvera u nauci o podacima, primena alata za analizu podataka i poslovnu analitiku.

Educational outcome:

Studenti su upoznati sa modelima i softverima primenljivim u nauci o podacima i poslovnoj analitici. Studenti su osposobljeni da primene alate, tehnike i metode nauke o podacima za poslovnu analitiku. Takođe su pripremljeni za dalje unapređenje znanja o poslovnoj analitici.

Course content:

Pojam, istorijat i razvoj poslovne analitike. Metode deskriptivne, dijagnostičke, prediktivne i preskriptivne analitike. Priprema, analiza i vizuelizacija podataka. Upotreba odabranog programskog jezika za analizu podataka. Primena tehnika klasifikacije, tehnika klasterovanja i mašinskog učenja u analizi podataka. Primena heuristika u poslovnoj analitici. Analiza podataka u oblaku. Sistemi za preporuke i predikcije.

Teaching methods:

Nastava se realizuje kroz predavanja, vežbe i konsultacije. Na predavanjima studenti se upoznaju sa teorijskim osnovama poslovne analitike i analize podataka, kao i praktičnim primerima primene teorijskih znanja. Na vežbama studenti najveći deo aktivnosti sprovode upotrebom računara, unapređujući i primenjujući znanja stečena na predavanjima. Na vežbama studenti takođe dobijaju dodatne primere usmerene na praktičnu primenu znanja, kao i zadatke koje samostalno rešavaju. Predavanja i vežbe su postavljeni na način da studenti aktivno učestvuju u nastavi, podstičući ih na dodatnu diskusiju. Nastava je koncipirana da studenti kontinuirano razvijaju svoj predmetni projekat sticanjem znanja iz teorijskih osnova i praktičnih primera. Na konsultacijama studenti dobijaju dodatna objašnjenja i smernice za rešavanje zadataka, realizaciju predmetnog projekta i razumevanje teorijskih osnova.

Literature:

Authors	Title	Year	Publisher	Language
Domenico Talia, Paolo Trunfio, Fabrizio Marozzo	Data Analysis in the Cloud: Models, Techniques and Applications	2015	Elsevier	English
Foster Provost, Tom Fawcett	Science for Business: What You Need to Know About Data Mining and Data-Analytic Thinking	2013	O’Reilly Media	English
Pang-Ning Tan, Michael Steinbach, Anuj Karpatne, Vipin Kumar	Introduction to Data Mining (2nd Edition)	2018	Pearson	English
Stephen F. Elston	Data Science in the Cloud with Microsoft Azure Machine Learning and Python	2016	O’Reilly Media	English
Matt Taddy	Business Data Science: Combining Machine Learning and Economics to Optimize, Automate, and Accelerate Business Decisions	2019	McGraw Hill	English
Sarah Guido, Andreas C. Mueller	Introduction to Machine Learning with Python: A Guide for Data Scientists	2016	O’Reilly Media	English
James Evans	Business Analytics (3rd Edition)	2019	Pearson	English
--	Razvoj modela i softvera u nauci o podacima	--	Skripta, u pripremi	Serbian language
Jake VanderPlas	Python Data Science Handbook: Essential Tools for Working with Data	2017	O’Reilly Media	English
Wes McKinney	Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython (2nd Edition)	2017	O’Reilly Media	English
Peter Bruce, Andrew Bruce, Peter Gedeck	Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python (2nd Edition)	2020	O’Reilly Media	English