Cilji in kompetence
Cilj predmeta je predstaviti študentom področje podatkovne znanosti ter jih seznaniti s primeri uporabe, osnovnimi metodami in orodji za uspešno izvajanje nalog podatkovne znanosti in podatkovno-podprtega odločanja.
Vsebina
Uvod: osnovni pojmi, koncept in razvoj podatkovne znanosti, podatkovne priložnosti, vrednost podatkov.
• Področja uporabe podatkovne znanosti in aktualni izzivi, razpoložljive tehnike in orodja.
• Podatkovno podprto odločanje: podatki, informacije, znanje, odločanje, proces izkoriščanja podatkov za podporo odločanju.
• Življenjski cikel podatkovne analize, načrtovanje procesa odkrivanja zakonitosti v podatkih.
• Raziskovanje in vizualizacija podatkov: raziskovalna analiza podatkov, načrtovanje in izvedba vizualizacije.
• Osnovne tehnike in orodja podatkovne znanosti: statistika, inteligentna analiza podatkov, strojno učenje, podatkovno rudarjenje.
• Komunikacija podatkov in rezultatov analiz.
• Izzivi in pasti v podatkovni znanosti, etični vidiki in dileme.
• Izbrane aplikacije podatkovne znanosti na različnih področjih (biomedicina, ekonomija in finančne tehnologije, okolje, šport, človeška družba, farmacija, proizvodnja).
Metode poučevanja in učenja
• predavanja,
• obravnava študij primerov,
• računalniške vaje,
• individualno delo.
Predvideni študijski rezultati - znanje in razumevanje
Znanje in razumevanje:
Po zaključku tega predmeta bo študent sposoben
• razumeti koncept in pomen podatkovne znanosti v sodobni informacijski družbi,
• izkazati znanje in razumevanje osnovnih metod in modelov podatkovne znanosti,
• sodelovati v procesu nabiranja informacij za potrebe podatkovno-podprtega odločanja,
• identificirati posamezne situacije za potencialno vpeljavo konceptov podatkovne znanosti.
Prenosljive/ključne spretnosti in drugi atributi:
• Spretnosti komuniciranja: priprava in predstavitev predloga strokovne rešitve, pisanje seminarske naloge.
• Reševanje problemov: analiza problemov s koncepti podatkovne znanosti, inteligentna analiza podatkov.
Temeljni literatura in viri
• Foster Provost, Tom Fawcett: Data Science for Business – What you need to know about data mining and data-analytical thinking, 1st Edition, O’Reilly Media, 2013.
• J. Grus: Data Science from Scratch, 2nd edition, O’Reilly Media, 2019.
• D. Kos, V. Podgorelec (mentor): Uporaba orodja Orange za podatkovno rudarjenje, diplomsko delo, Univerza v Mariboru, Fakulteta za elektrotehniko, računalništvo in informatiko, 2017.
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
Ni pogojev.
