Предмет: Методе и технике науке о подацима (17 - IFE223)


Основне информације

КатегоријаСтручно-апликативни
Научна областПримењене рачунарске науке и информатика
МултидисциплинарнаНе
ЕСПБ8
Матичне организационе јединице предмета

Катедра за примењене рачунарске науке
Програм предмета

Програм се примењује од 30.09.2005..


Предмети предуслови

Назив предметаМора се одслушатиМора се положити
Математичка логикадада
Стицање основног знања о одабраним појмовима, концептима, методама и техникама које припадају науци о подацима.
Студенти су упознати с теоријским и практичним основама науке о подацима. Студенти су оспособљени за решавање основних одабраних врста проблема из области науке о подацима и припремљени за даље проширење и унапређење знања о методама и техникама науке о подацима.
Појам, настанак и развој науке о подацима. Структура пројеката у науци о подацима. Преглед метода и техника науке о подацима. Примери примене метода и техника науке о подацима. Програмски језици у науци о подацима. Употреба изабраног програмског језика (Python) у науци о подацима. Основе употребе система за контролу верзија изворног кôда. Увод у логичко програмирање. Основе програмског језика Prolog. Увод у стратегије претраге и метахеуристике. Основе генетских алгоритама и еволуционог рачунарства. Увод у теорију фази скупова, фази логику и фази системе. Увод у неуронске мреже. Увод у обраду природног језика и анализу текста. Увод у представе знања и системе засноване на знању.
Настава се реализује кроз предавања, аудиторне вежбе, рачунарске вежбе и консултације. На предавањима, студенти се превасходно упознају с теоријским основама одабраних концепата, као и могућностима и примерима практичне примене теоријских знања. На вежбама, студенти већински део својих активности спроводе на рачунару и даље унапређују знања стечена на предавањима кроз анализу додатних примера и решавање задатака који су значајно усмерени на практичну примену. Настава је конципирана на начин који омогућава да студенти активно учествују и развијају своје способности решавања задатака. На консултацијама, студенти добијају додатна објашњења и упутства као помоћ при решавању задатака, разумевању тема које су повезане с програмом предмета и испуњењу предметних обавеза.
АуториНазивГодинаИздавачЈезик
Davy Cielen, Arno D. B. Meysman, Mohamed AliIntroducing Data Science: Big data, machine learning, and more, using Python tools2016Manning PublicationsЕнглески
Allen B. DowneyThink Python: How to Think Like a Computer Scientist (2nd Edition)2015Green Tea PressЕнглески
Wes McKinneyPython for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython (2nd Edition)2017O’Reilly MediaЕнглески
Stuart Russel, Peter NorvigArtificial Intelligence: A Modern Approach (3rd Edition)2009PearsonЕнглески
Zbigniew Michalewicz, David B. Fogel How to Solve It: Modern Heuristics (2nd Edition)2004SpringerЕнглески
El-Ghazali TalbiMetaheuristics: From Design to Implementation2009John Wiley & Sons, Inc.Енглески
Provost, F., Fawcett, T.Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking2013O’Reilly Media, SebastopolЕнглески
Предметна активностПредиспитнаОбавезнаБрој поена
Сложени облици вежбидада10.00
Сложени облици вежбидада10.00
Сложени облици вежбидада10.00
Предметни пројекатдада30.00
Тестдада10.00
Усмени део испитанеда30.00
Име и презимеВид наставе
Недостаје слика

Иванчевић др Владимир
Ванредни професор

Предавања
Недостаје слика

Туровић Радован
Асистент

Аудиторне вежбе
Недостаје слика

Тодоровић Никола
Асистент

Аудиторне вежбе
Недостаје слика

Туровић Радован
Асистент

Рачунарске вежбе
Недостаје слика

Акик Елена
Сарадник у настави

Рачунарске вежбе
Недостаје слика

Тодоровић Никола
Асистент

Рачунарске вежбе