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