×
Универзитет у Новом Саду

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

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

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

Предавања

Рачунарске вежбе

Рачунарске вежбе