SLO | EN

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.

  • red. prof. dr. VILI PODGORELEC, univ. dipl. inž. rač. in inf.

  • Ustni izpit: 100

  • : 20
  • : 5
  • : 5
  • : 60

  • slovensko
  • slovensko