Fakultet tehničkih nauka

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

Matične organizacione jedinice predmeta:
Osnovne informacije:
 
Kategorija Teorijsko-metodološki
Uža naučna oblast Primenjene računarske nauke i informatika
Multidisciplinarna Ne
ESPB 6
Cilj:

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

Ishod:

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.

Sadržaj:

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.

Metodologija izvođenja nastave:

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.

Literatura:
Autori Naziv Godina Izdavač Jezik
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
-- Razvoj modela i softvera u nauci o podacima -- Skripta, u pripremi Srpski jezik
Wes McKinney Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython (2nd Edition) 2017 O’Reilly Media Engleski
Jake VanderPlas Python Data Science Handbook: Essential Tools for Working with Data 2017 O’Reilly Media 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
Stephen F. Elston Data Science in the Cloud with Microsoft Azure Machine Learning and Python 2016 O’Reilly Media Engleski
Sarah Guido, Andreas C. Mueller Introduction to Machine Learning with Python: A Guide for Data Scientists 2016 O’Reilly Media Engleski
James Evans Business Analytics (3rd Edition) 2019 Pearson 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
Formiranje ocene:
Predmetna aktivnost Predispitna Obavezna Broj poena
Složeni oblici vežbi Da Da 10.00
Test Da Da 10.00
Predmetni projekat Da Da 50.00
Usmeni deo ispita Ne Da 30.00
Izvođači nastave:
Predavanja
DON - drugi oblici nastave