Sistemi za istraživanje i analizu podataka | Fakultet Tehničkih Nauka

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

Matične organizacione jedinice predmeta: Odsek za primenjene računarske nauke i informatiku

Stepen i vrsta studija	Naziv
Master akademske studije	Informacioni i analitički inženjering (Godina: 1, Semestar: Zimski)
Master akademske studije	Softversko inženjerstvo i informacione tehnologije (Godina: 1, Semestar: Zimski)
Master akademske studije	Veštačka inteligencija i mašinsko učenje (Godina: 1, Semestar: Zimski)
Master akademske studije	Informacioni inženjering (Godina: 1, Semestar: Zimski)
Master akademske studije	Računarstvo i automatika (Godina: 1, Semestar: Zimski)

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
Elston, S. E.	Data Science in the Cloud	2016	O Reilly	Engleski
Hogarth, M.	Data Clean-Up and Management	2012	Elsevier	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
Tan, P.N., Steinbach, M., Kumar, V.	Introduction to Data Mining	2006	Pearson, Boston	Engleski
Talia, D., Trunfio, D., Marozzo, F.	Data Analysis in the Cloud	2015	Elsevier	Engleski
Overton, J.	Going Pro in Data Science	2016	O Reilly	Engleski
Daniel T. Larose	Data Mining Methods and Models	2006	Wiley / IEEE Press	Engleski
Berman, J., J.	Data Simplification	2016	Elsevier	Engleski
Whitney, H.	Data Insights	2012	Elsevier	Engleski
Marz, N., Warren, J.	Big Data : Principles and best practices of scalable realtime data systems	2015	Manning Publications, New York	Engleski

Predmetna aktivnost	Predispitna	Obavezna	Broj poena
Predmetna aktivnost Predmetni projekat	Predispitna Da	Obavezna Da	Broj poena 50.00
Predmetna aktivnost Usmeni deo ispita	Predispitna Ne	Obavezna Da	Broj poena 50.00