Cilj:Cilj predmeta je osposobljavanje studenata za samostalano rešavanje aktuelnih problema u oblasti analize podataka. Posebno se analiziraju koncepti otkrivanja znanja u velikim količinama podataka.
Ishod:Nakon odslušanog kursa studenti će biti osposobljeni da samostalno izrade infrastrukturu za analizu podataka korišćenjem open-source softvera i da primene alate za analizu i obradu podataka.
Sadržaj predmeta
Teorijska nastava:
Uvodno predavanje. Program, organizacija i sadržaj predmeta. Veza sa drugim kursevima.
Uvod u arhitekturu sistema za analizu podataka.
Nerelacione baze podataka.
Infrastruktura sistema za obradu podataka.
Skladišta velikih količina podataka.
Tipovi aplikacija i alati za analizu podataka.
Metode i algoritmi za otkrivanje znanja u podacima.
Upiti nad velikim količinama podataka.
Sistemi i alati za izveštavanje.
Analiza strukturiranih i nestrukturiranih podataka. Pregled rezultata.
Klasteri računara. Pojam i praktična primena.
Sigurnost i integritet podataka.
Praktična nastava:
Laboratorijske vežbe prate predavanja, pri čemu studenti rešavaju praktične probleme u oblasti analize podataka korišćenjem dostupnih biblioteka. Osposobiti polaznike kursa za izradu kompletnih rešenja za obradu i analizu strukturiranih i nestrukturiranih podataka korišćenjem open-source softvera.
Literatura
D. Letić, MathCad 13 u matematici i vizuelizaciji, Kompjuter biblioteka, 2007.
B.Marr, Big Data: Using SMART Big Data, Analytics and Metrics To Make Better Decisions and Improve Performance, Wiley, 2015.
M. Despotović-Zrakić, V.Milutinović, A.Belić, Handbook of Research on High Performance and Cloud Computing in Scientific Research and Education, IGI Global, 2014.
M.Minelli, M.Chambers,A.Dhiraj, Big Data, Big Analytics: Emerging Business Intelligence and Analytic Trends for Today’s Businesses, Wiley, 2013.
