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
Po uspešno opravljenem predmetu bo študent:
1. Prepoznal poslovne potrebe po projektih podatkovne znanosti ter razlikoval in ocenil kakovost različnih projektov podatkovne znanosti (PILO 2a, 2b).
2. Pridobil in ustrezno pripravil finančne podatke iz javno dostopnih podatkovnih skladišč ter kritično ovrednotil izvedene projekte podatkovne znanosti (PILO 2c).
3. Analiziral kompleksna, nepopolna in nasprotujoča si področja znanja ter jasno in razumljivo pojasnil rezultate analize (PILO 2c, 3a).
4. Samostojno argumentiral svoja spoznanja pri analitičnem delu na izbranem raziskovalnem vprašanju ali študiji primera (PILO 3b, 4b).
5. Prepoznal etične dileme in izkazal profesionalno odgovornost pri obvladovanju tveganj v podatkovnih projektih (PILO 4a).
6. Kritično ovrednotil trajnostne in družbene vplive izvedenega 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
Po uspešno opravljenem predmetu bo študent:
1. Prepoznal poslovne potrebe po projektih podatkovne znanosti ter razlikoval in ocenil kakovost različnih projektov podatkovne znanosti (PILO 2a, 2b).
2. Pridobil in ustrezno pripravil finančne podatke iz javno dostopnih podatkovnih skladišč ter kritično ovrednotil izvedene projekte podatkovne znanosti (PILO 2c).
3. Analiziral kompleksna, nepopolna in nasprotujoča si področja znanja ter jasno in razumljivo pojasnil rezultate analize (PILO 2c, 3a).
4. Samostojno argumentiral svoja spoznanja pri analitičnem delu na izbranem raziskovalnem vprašanju ali študiji primera (PILO 3b, 4b).
5. Prepoznal etične dileme in izkazal profesionalno odgovornost pri obvladovanju tveganj v podatkovnih projektih (PILO 4a).
6. Kritično ovrednotil trajnostne in družbene vplive izvedenega 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
Hagan, M. T., Demuth, H. B., & Beale, M. (1996). Neural network design. Boston, MA: PWS Publishing Company.
Dodatna literatura / Additional:
Nabor aktualnih člankov s področja podatkovne znanosti./Selection of scientific papers in the area of data science.
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 100%
Projekt - izdelava individualne projektne naloge in ustna predstavitev.
