Sinigudnum logo
« Vrati se na spisak svih studijskih programa
Language icon
+381 11 3093 210, 3093 240
master@singidunum.ac.rs
Nauka o podacima (Data Science)

Specijalisti za analizu i obradu podataka (data scientist) predstavljaju najtraženije stručnjake u kompanijama kao što su Microsoft, Nordeus i Seven Bridges Genomics, zbog čega je ovo zanimanje proglašeno najperspektivnijim zanimanjem 21. veka. Nauka o podacima (data science) uvodi najtraženije i najmodernije programske jezike poput Python-a, R-a, MongoDB-a, Spark-a i Hadoop-a.

Studijski program NAUKA O PODACIMA je jedinstven program master studija u Srbiji koji se po inovativnosti može porediti sa najkvalitetnijim programima u Evropi i svetu. Na ovom programu kandidati uče da dizajniraju inteligentne mobilne i web aplikacije, koje su zasnovane na masivnim skupovima podataka (Big data). Predavači, koji po svojoj stručnosti i naučnim publikacijama ulaze u red najperspektivnijih mladih naučnika u regionu, sa velikim entuzijazmom vode kandidate do najviših akademskih ciljeva i usvajanja praktično primenljivog znanja koje je neophodno za najplaćenije poslove u zemlji i inostranstvu.

Studijski program master akademskih studija NAUKA O PODACIMA ima za cilj sticanje teorijskih i praktičnih znanja neophodnih savremenim stručnjacima u ovoj novoj perspektivnoj oblasti informacionih tehnologija. Neposredni cilj studijskog programa je sticanje znanja i veština iz oblasti istraživanja masivnih podataka, inženjerstva raznorodnih i nestruktuiranih podataka, mašinskog učenja, inteligentnih sistema, kao i savremenih alata i platformi na kojima se implementira široki spektar sistema iz ovog domena.

Uspešnim završetkom ovog studijskog programa studenti su osposobljeni da analiziraju realne skupove podataka pomoću najsavremenijih metoda i alata, da kreiraju nova saznanja, izvode zaključke i prikazuju i obrazlažu svoje rezultate na način koji omogućava bolje razumevanje analiziranih pojava i donošenje ispravnih odluka u različitim oblastima.

Svrha studijskog programa

Svrha studijskog programa NAUKA O PODACIMA je obrazovanje za profesiju master inženjera softvera, koji će biti osposobljen da primenom metoda, algoritama i alata iz domena nauke o podacima projektuje, implementira i održava softverske sisteme esencijalno zasnovane na podacima. Na ovom studijskom programu se studenti osposobljavaju da transformišu naučne, socijalne i poslovne probleme u odgovarajuća pitanja čiji se odgovori mogu dobiti na osnovu raspoloživih podataka. Uvidom u ovu oblast studenti će steći ne samo praktična iskustva u sintezi sistema zasnovanim na podacima i mašinskom učenju, već i kompetentan pogled na razvoj i buduće uticaje ove nove oblasti na poslovne sisteme bazirane na internet servisima i drugim platformama-izvorima bogatim podacima.

Cilj studijskog programa

Cilj master studijskog programa NAUKA O PODACIMA je sticanje teorijskih i praktičnih znanja neophodnih savremenim stručnjacima u ovoj novoj perspektivnoj oblasti. Neposredni cilj studijskog programa je sticanje znanja i veština iz oblasti istraživanja masivnih podataka, inženjerstva raznorodnih i nestruktuiranih podataka, mašinskog učenja, veštačke inteligencije i inteligentnih sistema, kao i savremenih alata i platformi na kojima se implementira široki spektar sistema iz ovog domena.

Pored obuhvatnog i dubokog znanja iz neposrednih podoblasti nauke o podacima, računarstva, softverskog inženjerstva i informaciono-komunikacionih tehnologija, očekuje se da studenti, nakon savladavanja ovog programa, imaju sposobnost analize i razumevanja problema u domenskim oblastima u meri dovoljnoj za odabir prikladnih tehnologija za rešavanje problema i sposobnosti komunikacije sa domenskim ekspertima sa ciljem razvoja softverskih rešenja specifične namene.

Nakon uspešno savladanog master studijskog programa NAUKA O PODACIMA budući master inženjeri softvera stiču znanja i veštine koja se bave naučnim metodima, procesima i sistemima u oblasti istraživanja podataka. Studenti su osposobljeni da analiziraju stvarne skupove podataka pomoću najsavremenijih metoda i alata, da kreiraju nova saznanja, izvode zaključke i prikazuju i obrazlažu svoje rezultate na način koji omogućava bolje razumevanje analiziranih pojava i donošenje ispravnih odluka u različitim oblastima. Osposobljeni su za razmatranje postojećih načina upotrebe podataka u procesima odlučivanja; izbor najpogodnijih načina prikupljanja, smeštanja i pronalaženja podataka; razvoj modela za skladištenje velikog obima podataka, koji obezbeđuju njihovu pravovremenost, tačnost i pouzdanost; korišćenje najsavremenijih statističkih i računarskih metoda za opisivanje, identifikacije uzoraka i testiranje validnosti i verodostojnosti u složenim skupovima podataka, ali i kao deo složenih analitičkih metoda nad podacima; izvlačenje zaključaka i vršenje predviđanja u skladu sa postavljenim ciljevima.

hatNakon uspešnog završetka studija, studenti stiču zvanje MASTER INŽENJER SOFTVERA.

hat Cena školarine za ovaj stud. program na srpskom jeziku iznosi 2100 € u dinarskoj protivvrednosti za 60 ESPB.

Prijavi se za upis

I semestar

Opšte kompetencije koje će studenti steći su analiza, sinteza i predviđanja rešenja i posledica, ovladavanja metodima, postupcima i procesima istraživanja kao i primene znanja u praksi. Na kraju kursa očekuje se da uspešan student savlada: a) prepoznavanje i razumevanje primenjenih tehnika i pristupa u nauci o podacima i veštačkoj inteligenciji b) formulisanje problema iz domena nauke o podacima i veštačke inteligencije i praktičnu implementaciju jednostavnih rešenja c) odabere i koristi odgovarajuće programske pakete i biblioteke za jednostavnu analitiku i vizualizaciju skupova podataka, kao i da primeni jednostavni algoritam veštačke inteligencije na takvom skupu.

Nakon slušanja ovog predmeta studenti će razumeti ograničenja metoda mašinskog učenja u izdvajaju relevantnih informacija iz podataka. Studenti će steći praktičan uvid u osnovne kompromise u učenju iz podataka i biti u stanju da prepoznaju opšte greške u procesu automatizovane analize podataka. Studenti će se upoznati sa konkretnim tehnikama za pripremu i transformaciju podataka i steći znanja o primeni ovih tehnika u praksi. Studenti će moći formulisati problem učenja u pogledu ulaza i izlaza, odabrati model ili algoritam učenja i pružiti uvid u efikasnost analize zasnovane na odabranom modelu učenju.

Nakon slušanja ovog predmeta student će biti sposobni da razumeju, evaluiraju i optimizuju rad postojećih algoritama, da izaberu optimalne algoritme i konfiguracije za analizu specifičnih setova podataka, kao i da razvijo svoje algoritme i meta-algoritme u ovom domenu. Vladaju tipičnim strukturama podataka, pretragom i sortiranjem, dinamičkim programiranjem, opzimizacionim tehnikama i grafovskim algoritmima, kao i njihovim praktičnim izvršavanjem u distribuiranom računarskom okruženju.

Cilj ovog predmeta je omogućiti studentima da steknu potrebna znanja iz oblasti algebre i linearne algebre kako bi bolje razumeli gradivo iz drugih matematičkih i stručnih predmeta. Pored toga, važno je i da studenti savladaju osnove relacijskih i operacijskih algebarskih struktura koje se koriste u programiranju i drugim stručnim oblastima. Takođe, studenti će biti upućeni na korišćenje drugih stručnih izvora i softvera koji im mogu pomoći u rešavanju problema iz ovih oblasti.

Nakon slušanja ovog predmeta student će biti sposobni da razumeju karakteristike velikih podataka i tipične probleme u izdvajaju relevantnih informacija iz podataka. Studenti će steći praktičan uvid u osnovne kompromise u učenju iz velikih podataka i biti u stanju da rešavaju tipične probleme obrade velikih podataka. Studenti će se upoznati sa konkretnim metodologijama i alataima za obradu velikih podataka.

Ovaj kurs ima za cilj da studente upozna sa naprednim konceptima i tehnikama u oblasti baza podataka, uključujući mehanizme transakcija, indeksiranje, optimizaciju upita i sigurnost podataka. Pored relacionih baza podataka, kurs pruža teorijsko i praktično znanje o principima, komponentama i operativnim modulima savremenih nerelacionih baza podataka i baza podataka u oblaku.

Cilj ovog predmeta je da se studentima pruži sveobuhvatno razumevanje ključnih koncepata, principa i tehnologija koje se koriste u računarstvu u oblaku. Predmet se fokusira na napredne tehnologije i alatke koje se koriste u računarstvu u oblaku, uključujući virtuelizaciju, kontejnerizaciju i orkestraciju, istražuje njihovu upotrebu u dizajniranju i implementaciji rešenja zasnovanih na oblaku. Predmet se fokusira na detalje razumevanje bezbednosnih rizika i zahteva usaglašenosti računarstva u oblaku i primenjuje najbolje prakse za obezbeđivanje okruženja u oblaku.

Razumevanje uloge i načina primene modela različitih nivoa apstrakcije u razvoju softvera. Ovladavanje odabranim tehnikama i alatima za modelovanje i specifikaciju softverskih komponenata i sistema.

II semestar

Razumevanje principa i tehnika validacije i verifikacije softvera i upoznavanje sa najznačajnijim problemima, trendovima i rezultatima u oblasti.

Jedan od glavnih ciljeva predmeta je osposobljavanje studenata da uspešno primenjuju metode dubokog učenja, pre svega veštačkih neuronskih mreža, na različite zadatke i da razumeju njihove primene i izazove u različitim oblastima. Još jedan značajan cilj predmeta je osposobljavanje studenata da razumeju matematičku pozadinu metoda dubokog učenja, pre svega učenja propagacijom greške unazad (eng. backpropagation) i optimizacione algortme, poput algoritma stohastičkog gradijentnog spusta (eng. stohastic gradient descent -SGD). Iako je fokus predmeta na klasičnim neuronskim mrežama, tzv. višeslojnim perceptronima (eng.multilayer perceptron), studentima će takođe biti spomenute novije arhitekture kao što su konvolucione i rekurentne neuronske mreže, autoenkoderi i transformeri i njihove primene.

Ovaj predmet obezbedjuje studentima duboko razumevanje osnova, tehnika i aplikacija u oblasti obrade prirodnog jezika. On obuhvata razvoj sposobnosti studenata za uspešno razmeštanje i implementaciju različitih metoda i algoritama u aplikacijama koje uključuju tekstualne podatke. Osnovni cilj je da studenti budu sposobni za analizu, modelovanje i rešavanje problema koristeći tehnike za obradu prirodnih jezika i tako doprinesu oblasti kreativnim i efikasnim rešenjima. Učenjem ovog predmeta, studenti takođe razvijaju svoje kritičko razmišljanje i komunikacione veštine, što ih priprema za uspešnu karijeru u ovoj oblasti.

Studenti će steći sveobuhvatno razumevanje principa i prakse upravljanja softverskom konfiguracijom (SCM), što im omogućava da efikasno upravljaju projektima razvoja softvera, poboljšaju saradnju i obezbede kvalitet i pouzdanost softvera.

Cilj predmeta je sticanje teorijskih i praktičnih znanja iz upravljanja celokupnim životnim ciklusom softverskog proizvoda sa ciljem da studenti ovladaju osnovnim principima, tehnikama i tehnologijama upravljanja softverskim proizvodom.

Cilj predmeta je omogućiti studentima da primene svoje znanje u rešavanju stvarnih problema i izazova iz oblasti nauke o podacima, kao što su analiza društvenih mreža, predviđanje trendova ili analiza velikih skupova podataka.

Cilj predmeta je razvijanje istraživačkih veština kroz samostalni rad studenata na odabranoj temi pod mentorstvom nastavnika. Fokus je na primeni teorijskih i metodoloških znanja u praksi.

Cilj predmeta je sticanje praktičnih iskustava kroz rad u institucijama i organizacijama koje se bave međunarodnim odnosima i bezbednosnim pitanjima. Student povezuje teorijska znanja sa realnim profesionalnim okruženjem.

Cilj završnog rada je da student pokaže sposobnost samostalnog istraživanja, analize i prezentacije problema iz oblasti studija, uz primenu teorijskih i praktičnih znanja stečenih tokom studija.

U završnom master radu student bi trebalo da pokaže da je kompetentan da identifikuje problem, izvrši analizu i specificira model data science sistema srednjeg nivoa složenosti primenom metodoloških pristupa i tehnologija mašinskog učenja, da ga implementira primenom aktuelnih tehnologija i alata softverskog inženjerstva, da kritički oceni postignute rezultate i da predloži dalje pravce rada.

Univerzitet Singidunum © 2026