Cilji in kompetence
Študenti oblikujejo projektni načrt za projekt na področju podatkovne znanosti. Pridobijo in ustrezno pripravijo finančne podatke iz javno dostopnih podatkovnih skladišč. Projekt zmorejo samostojno izdelati ter primerno predstavijo rezultate, da so ti pripravljeni za uporabnika.
Vsebina
1. Priprava in delovni potek projekta podatkovne znanosti
2. Interpretacija rezultatov
3. Priprava in predstavitev rezultatov za uporabnike
4. Časovna uporabnost izvedenih projektov
5. Profesionalna etika v podatkovni znanosti
Metode poučevanja in učenja
razprava; samostojni študij; študije primerov
Predvideni študijski rezultati - znanje in razumevanje
Študenti pri tem predmetu:
1. Prepoznavajo poslovne potrebe po projektih podatkovne znanosti in razločujejo ter ocenijo kvaliteto projekta podatkovne znanosti (PILO 2a, PILO 2b).
2. Pridobijo in ustrezno pripravijo finančne podatke iz javno dostopnih podatkovnih skladišč in kritično ocenijo izvedene projekte podatkovne znanosti (PILO 2c).
3. Kritično analizirajo kompleksna, necelovita (nepopolna) in nasprotujoča si področja znanja ter razumljivo pojasnijo rezultate kritične analize ( PILO 2c, PILO 3a)
4. Samostojno argumentirajo svoja spoznanja pri analitičnem delu na pri izbranem vprašanju ali študiji primera (PILO 3b, PILO 4B).
5. Se zavedajo lastne etične in profesionalne odgovornosti v obvladovanju tveganj (PILO 4a).
6. Kritično ocenjujejo trajnostni in družbeni vpliv v okviru izvedenega primera podatkovnega projekta (PILO 4b).
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
Študenti pri tem predmetu:
1. Prepoznavajo poslovne potrebe po projektih podatkovne znanosti in razločujejo ter ocenijo kvaliteto projekta podatkovne znanosti (PILO 2a, PILO 2b).
2. Pridobijo in ustrezno pripravijo finančne podatke iz javno dostopnih podatkovnih skladišč in kritično ocenijo izvedene projekte podatkovne znanosti (PILO 2c).
3. Kritično analizirajo kompleksna, necelovita (nepopolna) in nasprotujoča si področja znanja ter razumljivo pojasnijo rezultate kritične analize ( PILO 2c, PILO 3a)
4. Samostojno argumentirajo svoja spoznanja pri analitičnem delu na pri izbranem vprašanju ali študiji primera (PILO 3b, PILO 4B).
5. Se zavedajo lastne etične in profesionalne odgovornosti v obvladovanju tveganj (PILO 4a).
6. Kritično ocenjujejo trajnostni in družbeni vpliv v okviru izvedenega primera podatkovnega projekta (PILO 4b).
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
Nabor aktualnih člankov s področja podatkovne znanosti./Selection of scientific papers in the area of data science.
Martin T. Hagan, Howard B. Demuth, Mark H. Beale, Orlando De Jes?s, Neural Network Design (2nd Edition), ISBN-10: 0-9717321-1-6, ISBN-13: 978-0-9717321-1-7. Pridobljeno 3. maja 2023: https://hagan.okstate.edu/NNDesign.pdf.
Machine Learning Onramp: Machine Learning Onramp | Self-Paced Online Courses - MATLAB & Simulink (mathworks.com)
Machine Learning with MATLAB: Machine Learning with MATLAB | Self-Paced Online Courses - MATLAB & Simulink (mathworks.com)
Deep Learning Onramp: Deep Learning Onramp | Self-Paced Online Courses - MATLAB & Simulink (mathworks.com)
Self-Paced Online Courses: Deep Learning with MATLAB | Self-Paced Online Courses - MATLAB & Simulink (mathworks.com)
Self-Paced Online Courses: Reinforcement Learning Onramp | Self-Paced Online Courses - MATLAB & Simulink (mathworks.com)
Podrobnosti o izvedbi in ocenjevanju Projekt
Projekt - izdelava individualne projektne naloge ali študije primera in ustna predstavitev.
100%
