Istraživanje podataka, MISP

Studijski programPoslovna ekonomija i informatika
Vrsta i nivo studijamaster strukovne studije
Naziv predmetaIstraživanje podataka
Broj ESPB6Status predmeta (obavezni/izborni)Izborni
Cilj
predmeta
Osposobljavanje studenata za primenu tehnika, metoda i alata iz oblasti istraživanja i analize podataka (Data Mining).
Ishod
predmeta
Nakon položenog predmeta, student
– koristi principe i tehnike za istraživanje podataka
– koristi savremene alate iz ove oblasti
– analizira podatke,
– kreira modele podataka,
– projektuje i održava sisteme za istraživanje i analizu podataka u poslovnom domenu
Sadržaj predmeta
Teorijska
nastava
Teoretski i praktični aspekti pronalaženja informacija (Information retrieval) i istraživanja podataka (Data mining)
– Podaci, Istraživanje podataka
– Uvod u tehnike mašinskog učenja (Machine learning), veštačka inteligencija (Artificial intelligence), neuronske mreže (Neural networks),…
– Osnovni koncepti i algoritmi (za klasifikaciju, za analizu klastera,…)
– Upoznavanje sa programskim jezicima i alatima za analizu i istraživanje podataka
– Istraživanje tekstova (Text mining) i ostalih ne struktuiranih podataka
– Preuzimanje podataka sa veb sajtova (Web mining), društvenih mreža (Mining Social Networks), GIS i drugih sistema, i njihova dalja upotreba
– Vizuelizacija podataka (Data visualization)
Praktična nastava (vežbe, DON, studijski istraživa-čki rad)Vežbe obuhvataju sticanje veština za primenu tehnika, metoda i alata iz oblasti istraživanja i analize podataka kroz primere, uz upotrebu nekog od odgovarajućih programskih jezika (R, Python, Octave..) i uz upotrebu nekog od odgovarajućih alata (RStudio, Anaconda, RapidMiner, Weka,…)

Studenti rade samostalni projekat na temu koju dogovore sa predmetnim nastavnikom, a koji obuhvata
– prikupljanje podataka iz poslovnog okruženja, dostupnih baza podataka, javnih lokacija na Internetu i sl.
– istraživanje i analiza prikupljenih podataka
– donošenje odgovarajućih zaključaka na osnovu sprovedenog istraživanja.

Literatura
1Han J., Kamber M., Data Mining, Concepts and Techniques, Morgan Kaufmann, 2011.
2Witten I. H., Frank E., Hall M. A., Data Mining, Practical Machine Learning Tools and Techniques, Morgan Kaufmann, 2011.
3Miner G., et al., Practical Text Mining and Statistical Analysis for Non-structured Text Data Applications, Academic Press, 2012.
4Liu B., Web Data Mining, Exploring Hyperlinks, Contents, and Usage Data, Springer, 2011.
5Tan P., Steinbach M., Kumar V., Introduction to Data Mining, Addison Wesley, 2006.
6Aggarwal C.C., Reddy C. K., Data clustering, Algorithms and Applications, CRC Press, 2014.
Broj časova aktivne nastave nedeljno tokom semestra/trimestra/godine
PredavanjaVežbeDONStudijski istraživački radOstali časovi
222
Metode
izvođenja
nastave
Predavanja u učionici, sa demonstracijama na računaru i analizama slučajeva;
Individualne vežbe studenata u računarskoj učionici (tehnike korišćenja programa, priprema samostalnih projekata);
Samostalni projekti: Prikupljanje, istraživanje i analiza podataka.
Ocena znanja (maksimalni broj poena 100)
Predispitne obavezepoenaZavršni ispitpoena
aktivnost u toku
predavanja
pismeni ispit
praktična nastava10usmeni ispit30
kolokvijum30
projekat30