Cilj:Studenti će se upoznati sa različitim tipovima podataka, procesom pripreme i kreiranja skupa za analizu podataka kao i postupkom kreiranja različitih vizuelizacija primenom softverskih alata i sistema baza podataka. Studenati će razviti i razumeavnje o savremenim metodama planiranja eksperimenta, obrade i analize eksperimentalnih podataka.
Ishod:Studenti će biti osposobljeni da samostalno istražuju, kreiraju skupove podataka koristeći analitičke alatei sisteme baza podataka za obradu i vizuelizaciju podataka u funkciji donošenja poslovnih odluka.
Sadržaj predmeta
Teorijska nastava:
Nauka o podacima.
Fenomen podataka.
Razumevanje i opisivanje podataka.
Struktuiranost podataka.
Uvoz i izvoz podataka. Analiza korišćenjem kompleksnih tipova podataka.
SQL za analizu i pripremu podataka.
Performatirani SQL.
Agregatne funkcije i funkcija window.
Vizualizacija podataka.
Python u funkciji analize podataka.
Biblioteke Pandas, Seaborn i Matplotlib.
Marketing informacioni sistemi. Proces marketing istraživanja. Metode marketing istraživanja. Anketiranje u marketing istraživanjima.
Praktična nastava:
Vežbe prate izlaganje na predavanjima. Na laboratorijskim vežbama studenti se obučavaju za prikupljanje, obradu, analizu i vizualizaciju podataka implementacijom PostrgesSQL sistema baza podataka, Microsoft Power BI analitičkog alata, Jupyter i Google Colab interaktivnog okruženja za rad sa Python bibliotekama i Google upitnika.
Literatura
Sinan Ozdemir,Principles of Data Science, Packt Publishing Ltd, Birminghem, 2016.
Joel Grus, Data Science from Scratch: First Principles with Python, 2nd Edition, O’Relly, 2019.
Wes McKinney, Python for Data Analysis, O'Reilly Media", 2012.
