Системи за истраживање и анализу података | Факултет Техничких Наука

Предмет: Системи за истраживање и анализу података (17.E2503)

Матичне организационе јединице предмета: Одсек за примењене рачунарске науке и информатику

Степен и врста студија	Назив
Мастер академске студије	Вештачка интелигенција и машинско учење (Година: 1, Семестар: Зимски)
Мастер академске студије	Информациони инжењеринг (Година: 1, Семестар: Зимски)
Мастер академске студије	Софтверско инжењерство и информационе технологије (Година: 1, Семестар: Зимски)
Мастер академске студије	Рачунарство и аутоматика (Година: 1, Семестар: Зимски)
Мастер академске студије	Информациони и аналитички инжењеринг (Година: 1, Семестар: Зимски)

Основне информације:

Категорија	Теоријско-методолошки
Ужа научна област	Примењене рачунарске науке и информатика
ЕСПБ	6

Оспособљавање студената за примене техника, метода и алата из области истраживања и анализе података (Data Mining, DM) и за пројектовање и одржавање ДМ система.

Познавање принципа, техника и алата система за истраживање података. Студент је обучен да врши анализу података, креира предиктивне моделе, пројектује и одржава data mining системе у функцији система за подршку одлучивању.

Основни концепти и преглед области ДМ. Експлоративна анализа и визуализација података. Основне технике класификације: стабла одучивања, наивна Bayesova метода, к-најближих суседа и машине потпорних вектора. Напредне технике класификације: ансамбли класификатора, bagging, boosting, полу-надгледано учење (semi-supervised learning). Евалуација класификатора, аутоматско одређивање вредности параметара и селекција атрибута. Технике кластеровања: k-means, хијерархијско кластеровање, dbscan алгоритам. Откривање правила асоцијације: apriori i fp-growth алгоритам. Преглед примена истраживања и анализе података: анализа пословних података, анализа wеб података, системи за препоруке (филмови, књиге итд), предикције у спорту.

Облици извођења наставе су: предавања, рачунарске вежбе, израда домаћих задатака, и консултације. На предавањима се, коришћењем потребних дидактичких средстава, излажу садржаји предмета и стимулише се активно учешће студената постављањем питања. Практични део градива студенти савладавају на рачунарским вежбама кроз задатке које решавају уз помоћ асистента или самостално и кроз самосталну израду домаћих задатака.

Аутори	Назив	Година	Издавач	Језик
Whitney, H.	Data Insights	2012	Elsevier	Енглески
Overton, J.	Going Pro in Data Science	2016	O Reilly	Енглески
Elston, S. E.	Data Science in the Cloud	2016	O Reilly	Енглески
Marz, N., Warren, J.	Big Data : Principles and best practices of scalable realtime data systems	2015	Manning Publications, New York	Енглески
Hogarth, M.	Data Clean-Up and Management	2012	Elsevier	Енглески
Tan, P.N., Steinbach, M., Kumar, V.	Introduction to Data Mining	2006	Pearson, Boston	Енглески
Provost, F., Fawcett, T.	Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking about Data Mining and Data-Analytic Thinking	2013	O’Reilly Media, Sebastopol	Енглески
Talia, D., Trunfio, D., Marozzo, F.	Data Analysis in the Cloud	2015	Elsevier	Енглески
Berman, J., J.	Data Simplification	2016	Елсевиер	Енглески
Daniel T. Larose	Data Mining Methods and Models	2006	Wiley / IEEE Press	Енглески

Предметна активност	Предиспитна	Обавезна	Број поена
Предметна активност Усмени део испита	Предиспитна Не	Обавезна Да	Број поена 50.00
Предметна активност Предметни пројекат	Предиспитна Да	Обавезна Да	Број поена 50.00

Предавања

Рачунарске вежбе

ОРГАНИЗАЦИЈА

ДОКУМЕНТА

ЗАПОСЛЕНИ

КОНКУРСИ

Галерије

АКРЕДИТАЦИЈА

КОНТАКТ

АКРЕДИТАЦИЈА

КОНТАКТ

Студентска служба

Предмет: Системи за истраживање и анализу података (17.E2503)

Студијски програми предмета:

Контакт: