Istraživanje podataka, MISP

10/09/2017 Dejan Beljic

Studijski program			Poslovna ekonomija i informatika
Vrsta i nivo studija			master strukovne studije
Naziv predmeta			Istraživanje podataka
Broj ESPB		6	Status 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
1	Han J., Kamber M., Data Mining, Concepts and Techniques, Morgan Kaufmann, 2011.
2	Witten I. H., Frank E., Hall M. A., Data Mining, Practical Machine Learning Tools and Techniques, Morgan Kaufmann, 2011.
3	Miner G., et al., Practical Text Mining and Statistical Analysis for Non-structured Text Data Applications, Academic Press, 2012.
4	Liu B., Web Data Mining, Exploring Hyperlinks, Contents, and Usage Data, Springer, 2011.
5	Tan P., Steinbach M., Kumar V., Introduction to Data Mining, Addison Wesley, 2006.
6	Aggarwal C.C., Reddy C. K., Data clustering, Algorithms and Applications, CRC Press, 2014.
Broj časova aktivne nastave nedeljno tokom semestra/trimestra/godine
Predavanja	Vežbe	DON	Studijski istraživački rad	Ostali časovi
2	2	2
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 obaveze		poena	Završni ispit	poena
aktivnost u toku predavanja		10	pismeni ispit
praktična nastava		30	usmeni ispit	30
kolokvijumi
samostalni projekat		30