Cilji in kompetence
Študenti pridobijo in nadgradijo znanje sodobnih metodoloških pristopov podatkovne znanosti. Razvijejo analitične spretnosti modeliranja ter odkrivanja vzorcev in trendov v podatkih. Z uporabo odprtokodnega programskega orodja R znajo analizirati empirične primere, izberejo ustrezni metodološki pristop, kritično ocenijo ter ustrezno interpretirajo rezultate.
Vsebina
1. Osnove uporabe R v podatkovni znanosti
2. Vizualizacija podatkov v R
3. Etika v podatkovni znanosti ter ponovljive raziskave z R Markdown
4. Drevesni modeli v R
5. Posplošeni linearni modeli (GLM)
6. Posplošeni aditivni modeli (GAM)
7. Avtomatizirano modeliranje s h2o
Metode poučevanja in učenja
Predavanja,
tehnične demonstracije,
aktivno individualno in skupinsko delo
Predvideni študijski rezultati - znanje in razumevanje
Pri predmetu Podatkovna znanost z R študenti:
1. Sistematično pridobijo in nadgradijo znanje sodobnih metodoloških pristopov podatkovne znanosti.
2. Razvijejo sposobnost uporabe teoretičnega znanja s področja podatkovne znanosti na empiričnih primerih. Razvijejo kompetence za samostojno raziskovalno delo na tem področju. (PILO 2a, PILO 2c)
3. Znajo primerjati ter kritično oceniti različne metodološke pristope.
4. Formulirajo oziroma razvijejo ustrezen model ter ga ocenijo v odprotokodnem programskem orodju R. Usposobijo se za uporabo programskega orodja R na primerih iz prakse. (PILO 1a, PILO 3a)
5. Ustrezno predstavijo in interpretirajo rezultate, ki jih dobijo s pomočjo kvantitativnih metod. (PILO 3b)
6. Pridobijo sposobnost iskanja in sinteze informacij s področja podatkovne znanosti v sodobni literaturi ter sposobnost kritičnega razmišljanja. (PILO 3a)
7. Razvijejo veščine za samostojno in skupinsko empirično delo ter nadgradijo sposobnost sodelovanja in komunikacije. (PILO 3c)
8. Razvijejo sposobnost za etično odločanje v podatkovni znanosti ter za izvajanje ponovljivih raziskav. (PILO 4a)
Oznaka PILO (i.e. predvideni študijski rezultati programa) opredeljuje prispevek posameznega naštetega predvidenega študijskega rezultata učne enote k doseganju splošnih in/ali predmetno-specifičnih kompetenc oziroma učnih izidov, ki se s programom pridobijo).
Predvideni študijski rezultati - Prenosljive/ključne spretnosti in drugi atributi
Pri predmetu Podatkovna znanost z R študenti:
1. Sistematično pridobijo in nadgradijo znanje sodobnih metodoloških pristopov podatkovne znanosti.
2. Razvijejo sposobnost uporabe teoretičnega znanja s področja podatkovne znanosti na empiričnih primerih. Razvijejo kompetence za samostojno raziskovalno delo na tem področju. (PILO 2a, PILO 2c)
3. Znajo primerjati ter kritično oceniti različne metodološke pristope.
4. Formulirajo oziroma razvijejo ustrezen model ter ga ocenijo v odprotokodnem programskem orodju R. Usposobijo se za uporabo programskega orodja R na primerih iz prakse. (PILO 1a, PILO 3a)
5. Ustrezno predstavijo in interpretirajo rezultate, ki jih dobijo s pomočjo kvantitativnih metod. (PILO 3b)
6. Pridobijo sposobnost iskanja in sinteze informacij s področja podatkovne znanosti v sodobni literaturi ter sposobnost kritičnega razmišljanja. (PILO 3a)
7. Razvijejo veščine za samostojno in skupinsko empirično delo ter nadgradijo sposobnost sodelovanja in komunikacije. (PILO 3c)
8. Razvijejo sposobnost za etično odločanje v podatkovni znanosti ter za izvajanje ponovljivih raziskav. (PILO 4a)
Oznaka PILO (i.e. predvideni študijski rezultati programa) opredeljuje prispevek posameznega naštetega predvidenega študijskega rezultata učne enote k doseganju splošnih in/ali predmetno-specifičnih kompetenc oziroma učnih izidov, ki se s programom pridobijo).
Temeljni literatura in viri
Baumer, B. S., Kaplan, D. T., & Horton, N. J. (2017). Modern Data Science with R (1st ed.). Chapman and Hall/CRC.
Pridobljeno 4. 4. 2023 iz https://mdsr-book.github.io/mdsr2e/
Boehmke, B., & Greenwell, B. M. (2019). Hands-On Machine Learning with R (1st ed.). Chapman and Hall/CRC.
Pridobljeno 4. 4. 2023 iz https://bradleyboehmke.github.io/HOML/
Wickham, H., & Grolemund, G. (2017). R for Data Science. O'Reilly Media.
Pridobljeno 4. 4. 2023 iz https://r4ds.hadley.nz/
Podrobnosti o izvedbi in ocenjevanju Pisni izpit ali sprotno preverjanje znanja (40%)
Seminarska naloga (30%)
Aktivno delo na vajah (individualno in skupinsko) (30%)
Pisni izpit ali sprotno preverjanje znanja - individualni pisni izpit ali 2 vmesna testa
Seminarska naloga - študent napiše seminarsko nalogo na izbrano temo ter jo predstavi
Aktivno delo na vajah (individualno in skupinsko) - naloge iz vsakega poglavja
