Анализа података Шифра: OI0031 | 6 ЕСПБ
Опште информације
Ниво студија:
Година студија:
3
Семестар/Триместар:
6
Услов:
Циљ:
Студенти ће се упознати са различитим типовима података, процесом припреме и креирања скупа за анализу података као и поступком креирања различитих визуелизација применом софтверских алата и система база података. Студенати ће развити и разумеавње о савременим методама планирања експеримента, обраде и анализе експерименталних података.
Исход:
Студенти ће бити оспособљени да самостално истражују, креирају скупове података користећи аналитичке алатеи системе база података за обраду и визуелизацију података у функцији доношења пословних одлука.
Садржај предмета
Теоријска настава:
- Наука о подацима.
- Феномен података.
- Разумевање и описивање података.
- Структуираност података.
- Увоз и извоз података. Анализа коришћењем комплексних типова података.
- SQL за анализу и припрему података.
- Перформатирани SQL.
- Агрегатне функције и функција window.
- Визуализација података.
- Python у функцији анализе података.
- Библиотеке Pandas, Seaborn и Matplotlib.
- Маркетинг информациони системи. Процес маркетинг истраживања. Методе маркетинг истраживања. Анкетирање у маркетинг истраживањима.
Практична настава:
- Вежбе прате излагање на предавањима. На лабораторијским вежбама студенти се обучавају за прикупљање, обраду, анализу и визуализацију података имплементацијом PostrgesSQL система база података, Microsoft Power BI аналитичког алата, Jupyter и Google Colab интерактивног окружења за рад са Python библиотекама и Google упитника.
Литература
- 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.
- Младен Варга, Управљање подацима, Елемент, 2012.
- Upom Malik , Matt Goldwasser, Benjamin Johnston, SQL za analizu podataka, Компјутер библиотека, 2019.
- Милан Галагоза, Маркетинг и менаџмент истраживања, ММ Colege, 2005.
- Димић, Г., Пецић, Љ., Анализа података – приручник за лабораторијске вежбе.
Број часова активне наставе (недељно)
Предавања:
3
Вежбе:
0
Други облици наставе:
2
Оцена знања (максималан број поена 100)
Предиспитне обавезе
Поени
активности у току предавања
10
активности на лабораторијским вежбама
10
семинарски рад
30
колоквијум
20
Завршни испит
Поени
Писмени испит
30
Усмени испит
0