Stranice predmeta – Fakultet tehničkih nauka u Novom Sadu

Predmet: Sistemi poslovne inteligencije (22.EAI028)

Stepen i vrsta studija	Naziv
Master akademske studije	Veštačka inteligencija i mašinsko učenje (Godina: 1, Semestar: Letnji)

Osnovne informacije:

Kategorija	Teorijsko-metodološki
Uža naučna oblast	Informaciono-komunikacioni sistemi
ESPB	6

Cilj predmeta je upoznavanje studenata sa savremenim sistemima poslovne inteligencije, koji podrazumevaju obradu velike količine podataka i primenu mašinskog učenja i veštačke inteligencije za otkrivanje znanja u poslovnim podacima. Studenti će razumeti osnovne koncepte u oblasti poslovne inteligencije i ovladati primenom alata za razvoj ovih sistema.

Studenti će po završetku kursa imati znanja i veštine koje će im omogućiti da primene tehnike mašinskog učenja, veštačke inteligencije kao i vizualizacije podataka za rešavanje savremenih poslovnih problema. Pored toga steći će praktične veštine razvoja programskih rešenja korišćenjem Jupyter Labs okruženja za eksplorativnu analizu podataka i razvoj modela zasnovanih na mašinskom učenju (kao i treniranje neuronskih mreža) odnosno okruženja za samouslužnu poslovnu inteligenciju Microsoft Power BI . Takođe, studenti će u okviru predmeta biti obučeni za praktičnu implementaciju sistema za preporuku proizvoda i usluga na bazi klasičnog mašinskog učenja i dubokog učenja kroz praktičnu i teorijsku obuku zasnovanu na kursu NVIDIA Instituta za duboko učenje (Deep Learning Institute (DLI) ) Razvoj inteligentnih sistema za poručivanje i dobiti priliku da iz te oblasti dobiju NVIDIA DLI sertifikat.

Predmet će pokriti sledeće oblasti: osnovni koncepti sistema poslovne inteligencije, izvori i vrste podataka u sistemima poslovne inteligencije (baze i skladišta podataka, strukturirani, slabo strukturirani i nestrukturirani podaci), ETL ( Extract, Transform, Load) proces, istraživačka (eksploratorna) analiza podataka, osnovne metode nadlgledanog i nenadgledanog učenja u ovakvim sistemima (klastering, otkrivanje pravila asocijacije, klasifikacija i regresija), metode vizualizacije podataka i definisanje i kalkulacija mera i ključnih indikatora performansi, kao i razvoj inteligentnih sistema za preporuku proizvoda i usluga zasnovanih na klasičnom mašinskom učenju i dubokom učenju. Teorijsku nastavu će pratiti praktična obuka iz implementacije programskih rešenja (modela mašinskog učenja odnosno neuronskih mreža) u okruženju Jupyter Labs, razvoja sistema za preporuku primenom metoda dubokog učenja u okruženju TensorFlow i njihovu primenu za razvoj servisa u oblaku zasnovanu na NVIDIA Triton sistemu, kao i iz vizualizacije podataka odnosno razvoja kontrolnih tabli ( Dashboards ) upotrebom alata za samouslužnu poslovnu inteligenciju Microsoft Power BI .

Predavanja i laboratorijske vežbe, testovi i individualni zadatak (projekat). U okviru laboratorijskih vežbi će studenti biti osposobljeni za implementaciju programskih rešenja u programskom okruženjima Jupyter Labs, TensorFlow i NVIDIA Triton sistemu, odnosno za vizualizaciju podataka i razvoj kontrolnih tabli ( Dashboards ) u alatu za samouslužnu poslovnu inteligenciju Microsoft Power BI . Usvajanje teoretskih znanja sa predavanja će se proveravati testovima i na usmenom ispitu, a individualni zadatak će uključivati praktičnu implementaciju sistema poslovne inteligencije odgovarajuće složenosti. Predispitne obaveze činiće uspešno završen i odbranjen samostalni studentski projekat - uslov za izlazak na ispit je 25 od 50 bodova.

Autori	Naziv	Godina	Izdavač	Jezik
Ћулибрк, Д.	Откривање знања из података: одабрана поглавља	2012	CreateSpace	Srpski jezik
Cole Nussbaumer Knaflic	Storytelling With Data	2015	Wiley	Engleski
Foster Provost, Tom Fawcett	Data Science for Business	2013	O’Reilly Media, Inc.	Engleski

Predmetna aktivnost	Predispitna	Obavezna	Broj poena
Predmetna aktivnost Usmeni deo ispita	Predispitna Ne	Obavezna Da	Broj poena 30.00
Predmetna aktivnost Test	Predispitna Da	Obavezna Da	Broj poena 10.00
Predmetna aktivnost Složeni oblici vežbi	Predispitna Da	Obavezna Da	Broj poena 20.00
Predmetna aktivnost Projektni zadatak	Predispitna Da	Obavezna Da	Broj poena 40.00

ORGANIZACIJA

DOKUMENTA

ZAPOSLENI

KONKURSI

AKREDITACIJA

KONTAKT

AKREDITACIJA

KONTAKT

Studentska služba

Predmet: Sistemi poslovne inteligencije (22.EAI028)

Studijski programi predmeta:

prof. dr Mirković Milan

Predavanja

prof. dr Ćulibrk Dubravko

Predavanja

Asistent Janko Aleksandra

Računarske vežbe

Kontakt: