Napredna analiza podataka

Upoznati studente sa aktuelnim metodama i tehnikama napredne analize podataka i njihovim primenama u različitim domenima. Omogućiti im da ovladaju softverskim bibliotekama (Python, R) za praktičnu primenu metoda i tehnika napredne analize podataka.

Studenti će steći znanja i veštine potrebne za praktičnu primenu aktuelnih metoda i tehnika napredne analize podataka, uključujući: a) izbor metode za rešavanje datog realnog problema, i b) razvoj programa koji implementira izabrane metode analize.

Predavanja u učionici uz pomoć računara, interneta i softverskih biblioteka otvorenog koda. Vežbe u računarskim laboratorijama. Vežbe delom izvodi nastavnik a studenti prate, a delom se zasnivaju na samostalnom radu studenata, individualno ili u grupi, uz pomoć nastavnika.

Teorijska nastava
Priprema i transformacija podataka. Eksploratorna analiza podataka. Identifikovanje paterna u podacima. Analiza sekvenci: vizuelizacija i eksploratorna analiza sekvenci; identifikacija paterna u sekvencama (sequential pattern mining); klasterovanje sekvenci Analiza teksta: identifikacija tema teksta primenom statističkih metoda (topic modeling) i metoda zasnovanih na mrežnoj analizi (community detection); klasterizacija tekstualnih sadržaja

Praktična nastava
Upoznavanje sa softverskim bibliotekama i alatima relevantnim za svaku od oblasti obuhvaćenih teorijskom nastavom. Primena ovih biblioteka i alata za implementaciju programa (u odabranom programskom jeziku) zasnovanih na uvedenim teorijskim konceptima, metodama i tehnikama.

1. G. Grolemund, H. Wickham. R for Data Science O’Reilly Media 2017
2. W. McKinney. Python for Data Analysis, 2nd Edition O’Reilly Media 2017
3. J. Silge and D. Robinson. Text mining with R, A Tidy Approach O’Reilly Media 2017
4. B. Bengfort, R. Bilbro, T. Ojeda Applied Text Analysis with Python: Enabling Language-Aware Data Products with Machine Learning. O’Reilly Media 2018