Fakultet tehničkih nauka

Predmet: Sistemi za istraživanje i analizu podataka (17.E2503)

Matične organizacione jedinice predmeta: Odsek za primenjene računarske nauke i informatiku
Osnovne informacije:
 
Kategorija Teorijsko-metodološki
Uža naučna oblast Primenjene računarske nauke i informatika
ESPB 6

Osposobljavanje studenata za primene tehnika, metoda i alata iz oblasti istraživanja i analize podataka (Data Mining, DM) i za projektovanje i održavanje DM sistema.

Poznavanje principa, tehnika i alata sistema za istraživanje podataka. Student je obučen da vrši analizu podataka, kreira prediktivne modele, projektuje i održava data mining sisteme u funkciji sistema za podršku odlučivanju.

Osnovni koncepti i pregled oblasti DM. Eksplorativna analiza i vizualizacija podataka. Osnovne tehnike klasifikacije: stabla odučivanja, naivna Bayesova metoda, k-najbližih suseda i mašine potpornih vektora. Napredne tehnike klasifikacije: ansambli klasifikatora, bagging, boosting, polu-nadgledano učenje (semi-supervised learning). Evaluacija klasifikatora, automatsko određivanje vrednosti parametara i selekcija atributa. Tehnike klasterovanja: k-means, hijerarhijsko klasterovanje, dbscan algoritam. Otkrivanje pravila asocijacije: apriori i fp-growth algoritam. Pregled primena istraživanja i analize podataka: analiza poslovnih podataka, analiza web podataka, sistemi za preporuke (filmovi, knjige itd), predikcije u sportu.

Oblici izvođenja nastave su: predavanja, računarske vežbe, izrada domaćih zadataka, i konsultacije. Na predavanjima se, korišćenjem potrebnih didaktičkih sredstava, izlažu sadržaji predmeta i stimuliše se aktivno učešće studenata postavljanjem pitanja. Praktični deo gradiva studenti savladavaju na računarskim vežbama kroz zadatke koje rešavaju uz pomoć asistenta ili samostalno i kroz samostalnu izradu domaćih zadataka.

Autori Naziv Godina Izdavač Jezik
Daniel T. Larose Data Mining Methods and Models 2006 Wiley / IEEE Press Engleski
Tan, P.N., Steinbach, M., Kumar, V. Introduction to Data Mining 2006 Pearson, Boston Engleski
Whitney, H. Data Insights 2012 Elsevier Engleski
Hogarth, M. Data Clean-Up and Management 2012 Elsevier Engleski
Marz, N., Warren, J. Big Data : Principles and best practices of scalable realtime data systems 2015 Manning Publications, New York Engleski
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 Engleski
Berman, J., J. Data Simplification 2016 Elsevier Engleski
Overton, J. Going Pro in Data Science 2016 O Reilly Engleski
Talia, D., Trunfio, D., Marozzo, F. Data Analysis in the Cloud 2015 Elsevier Engleski
Elston, S. E. Data Science in the Cloud 2016 O Reilly Engleski
Predmetna aktivnost Predispitna Obavezna Broj poena
Predmetna aktivnost
Usmeni deo ispita
Predispitna
Ne
Obavezna
Da
Broj poena
50.00
Predmetna aktivnost
Predmetni projekat
Predispitna
Da
Obavezna
Da
Broj poena
50.00
Predavanja
Predavanja
Računarske vežbe
Računarske vežbe