Razvoj modela i softvera u nauci o podacima | Fakultet Tehničkih Nauka

Predmet: Razvoj modela i softvera u nauci o podacima (17.IF212)

Stepen i vrsta studija	Naziv
Master akademske studije	Informacioni inženjering (Godina: 1, Semestar: Zimski)
Master akademske studije	Informacioni i analitički inženjering (Godina: 1, Semestar: Zimski)

Osnovne informacije:

Kategorija	Teorijsko-metodološki
Uža naučna oblast	Primenjene računarske nauke i informatika
ESPB	6

Sticanje znanja i tehnika za razvoj modela i softvera u nauci o podacima, primena alata za analizu podataka i poslovnu analitiku.

Studenti su upoznati sa modelima i softverima primenljivim u nauci o podacima i poslovnoj analitici. Studenti su osposobljeni da primene alate, tehnike i metode nauke o podacima za poslovnu analitiku. Takođe su pripremljeni za dalje unapređenje znanja o poslovnoj analitici.

Pojam, istorijat i razvoj poslovne analitike. Metode deskriptivne, dijagnostičke, prediktivne i preskriptivne analitike. Priprema, analiza i vizuelizacija podataka. Upotreba odabranog programskog jezika za analizu podataka. Primena tehnika klasifikacije, tehnika klasterovanja i mašinskog učenja u analizi podataka. Primena heuristika u poslovnoj analitici. Analiza podataka u oblaku. Sistemi za preporuke i predikcije.

Nastava se realizuje kroz predavanja, vežbe i konsultacije. Na predavanjima studenti se upoznaju sa teorijskim osnovama poslovne analitike i analize podataka, kao i praktičnim primerima primene teorijskih znanja. Na vežbama studenti najveći deo aktivnosti sprovode upotrebom računara, unapređujući i primenjujući znanja stečena na predavanjima. Na vežbama studenti takođe dobijaju dodatne primere usmerene na praktičnu primenu znanja, kao i zadatke koje samostalno rešavaju. Predavanja i vežbe su postavljeni na način da studenti aktivno učestvuju u nastavi, podstičući ih na dodatnu diskusiju. Nastava je koncipirana da studenti kontinuirano razvijaju svoj predmetni projekat sticanjem znanja iz teorijskih osnova i praktičnih primera. Na konsultacijama studenti dobijaju dodatna objašnjenja i smernice za rešavanje zadataka, realizaciju predmetnog projekta i razumevanje teorijskih osnova.

Autori	Naziv	Godina	Izdavač	Jezik
James Evans	Business Analytics (3rd Edition)	2019	Pearson	Engleski
Sarah Guido, Andreas C. Mueller	Introduction to Machine Learning with Python: A Guide for Data Scientists	2016	O’Reilly Media	Engleski
--	Razvoj modela i softvera u nauci o podacima	--	Skripta, u pripremi	Srpski jezik
Stephen F. Elston	Data Science in the Cloud with Microsoft Azure Machine Learning and Python	2016	O’Reilly Media	Engleski
Jake VanderPlas	Python Data Science Handbook: Essential Tools for Working with Data	2017	O’Reilly Media	Engleski
Pang-Ning Tan, Michael Steinbach, Anuj Karpatne, Vipin Kumar	Introduction to Data Mining (2nd Edition)	2018	Pearson	Engleski
Foster Provost, Tom Fawcett	Science for Business: What You Need to Know About Data Mining and Data-Analytic Thinking	2013	O’Reilly Media	Engleski
Matt Taddy	Business Data Science: Combining Machine Learning and Economics to Optimize, Automate, and Accelerate Business Decisions	2019	McGraw Hill	Engleski
Domenico Talia, Paolo Trunfio, Fabrizio Marozzo	Data Analysis in the Cloud: Models, Techniques and Applications	2015	Elsevier	Engleski
Peter Bruce, Andrew Bruce, Peter Gedeck	Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python (2nd Edition)	2020	O’Reilly Media	Engleski
Wes McKinney	Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython (2nd Edition)	2017	O’Reilly Media	Engleski

Predmetna aktivnost	Predispitna	Obavezna	Broj poena
Predmetna aktivnost Usmeni deo ispita	Predispitna Ne	Obavezna Da	Broj poena 30.00
Predmetna aktivnost Predmetni projekat	Predispitna Da	Obavezna Da	Broj poena 50.00
Predmetna aktivnost Test	Predispitna Da	Obavezna Da	Broj poena 10.00
Predmetna aktivnost Složeni oblici vežbi	Predispitna Da	Obavezna Da	Broj poena 10.00