Интелигентна анализа података (ИСПР3)

Универзитет у Београду

ЕСПБ: 9.0

Садржај теоријске наставе

#Big Data феномен - значај и потреба за напредним облицима анализе података #Подаци: извори података; прикупљање и припрема (чишћење и трансформација) података за анализу. #Експлоративна анализа података. #Предиктивни модели: одабрани модели засновани на статистичким методама (нпр. регресија) и методама машинског учења (нпр. стабла одлучивања). #Анализе података који имају структуру графа – одабране технике и методе области Анализа друштвених мрежа (Social Network Analysis). #Визуелизација података. #R језик за напредне анализе података #Софтверски алати за напредне анализе података (Weka, Gephi, NetLogo)

Садржај практичне наставе

Предуслов

Циљ

Упознавање са различитим приступима, методама и техникама за напредну анализу података, као и типичним облицима и доменима њихове примене, препознатим предностима и недостацима. Стицање практичних вештина у примени метода и техника напредне анализе података коришћењем програмског језика R и софтверских алата отвореног кода за анализу података.

Литература

#Philipp K. Janert. 2010. Data Analysis with Open Source Tools. O'Reilly Media, USA. #Easley David and Kleinberg Jon. 2010. Networks, Crowds, and Markets: Reasoning about a Highly Connected World. Cambridge University Press, New York, NY, USA. #Manuel Lima. 2011. Visual Complexity: Mapping Patterns of Information. Princeton Architectural Press, USA

Тип испитивања

Методе извођења наставе

Класична предавања или менторски рад, зависно од броја пријављених студената.

Наставници