Fakultet tehničkih nauka

Predmet: Istraživanje podataka (17.IISD17)

Matične organizacione jedinice predmeta:
Osnovne informacije:
 
Kategorija Stručno-aplikativni
Uža naučna oblast Računarska tehnika i računarske komunikacije
Multidisciplinarna Ne
ESPB 10
Cilj:

Nastavni predmet je tehnički orijentisan i daje pregled aktuelnih tehnologija istraživanja podataka i nauke o podacima, a zatim i praktičan istraživački rad u ovim oblastima, sa ciljem da studente doktorskih studija, koji moraju imati osnovna prethodna znanja iz oblasti informacionih tehnologija, matematike, ili relevantne oblasti, osposobi za samostalan istraživački rad u predmetnim oblastima. Studenti će ovladati teorijskim i praktičnim znanjima koja će im omogućiti primenu ovih tehnologija za analizu velikih količina raznorodnih podataka i dalji istraživački rad u oblasti istraživanja podataka, nauke o podacima, mašinskog učenja i veštačke inteligencije, kao i primene ovih tehnologija u njihovim primarnim oblastima istraživanja.

Ishod:

Studenti će steći znanja i veštine koje će im omogućiti samostalan naučno-istraživački rad u domenu istraživanja podataka i nauke o podacima. Steći će detaljna znanja o savremenim tehnikama veštačke inteligencije i mašinskog učenja koje se koriste za istraživanje podataka i u domenu nauke o podacima, njihovim ograničenjima i otvorenim istraživačkim pitanjima. Tokom nastave će imati priliku da se uključe u istraživački rad, sprovođenje eksperimenata i pripremu rezultata za publikaciju.

Sadržaj:

Predmet će pokriti sledeće oblasti: pregled istraživanja podataka i nauke o podacima kao oblasti, tipične izvore i pripremu podataka, stabla odlučivanja, mašine vektora podrške, grupisanje podataka, neuronske mreže i duboke neuronske mreže, metode učenja podsticajem, analizu i prezentaciju podataka koji imaju vremensku i prostornu dimenziju. Teorijsku nastavu će pratiti praktičan istraživaživački rad u okviru istraživačkih projekata koji se sprovode na Fakultetu, koji će uključiti dizajn i sprovođenje eksperimenata, kao i pripremu rezultata za publikaciju.

Metodologija izvođenja nastave:

Predavanja (mentorska ili grupna), istraživački rad pod nadzorom, izrada predmetnog projekta i usmeni ispit.

Literatura:
Autori Naziv Godina Izdavač Jezik
D Culibrk, M Mirkovic, V Zlokolica, M Pokric, V Crnojevic, D Kukolj Salient Motion Features for Video Quality Assessment 2010 IEEE transactions on image processing Engleski
Culibrk, D., Marques, O., Socek, D., Kalva, H., Furht, B. Neural Network Approach to Background Modeling for Video Object Segmentation 2007 IEEE Transactions on Neural Networks Engleski
Ćulibrk, D. Otkrivanje znanja iz podataka: Odabrana poglavlja 2012 CreateSpace Srpski jezik
Gianotti F., Pedreschi D. Eds. Mobility, Data Mining, and Privacy: Geographic Knowledge Discovery 2008 Springer-Verlag Engleski
Witten H. I., Frank E. Data Mining - Practical Machine Learning Tools 2005 The Morgan Kaufmann Engleski
Hastie, T., Tibshirani, R., Friedman, J. The Elements of Statistical Learning : Data Mining, Inference, and Prediction 2009 Springer, New York Engleski
Formiranje ocene:
Predmetna aktivnost Predispitna Obavezna Broj poena
Predmetni projekat Da Da 70.00
Usmeni deo ispita Ne Da 30.00
Izvođači nastave:
Predavanja
Studijski istraživački rad
Studijski istraživački rad
Predavanja
Studijski istraživački rad
Predavanja