Sinigudnum logo
+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, sa predviđenom prosečnom platom od $116,840. 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 Data Science 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.

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

hat Cena školarine za ovaj stud. program na srpskom jeziku iznosi 1800 € u dinarskoj protivvrednosti za 60 ESPB.

Prijavi se za upis

I semestar

Ovaj predmet ima za cilj da studente upozna sa osnovnim principima obrade podataka. Oblasti koje će biti prezentovane su: linearna regresija, osnove klasifikacije, sistemi za preporuke, a takođe će studentima biti predočen pregled algoritama za klasterovanje. Kroz ovaj predmet će biti prezentovani najčešće zastupljeni tipovi podataka koji se obrađuju. U toku kursa će se obrađivati i analizirati podaci koji predstavljaju vremensku seriju, audio zapis, sliku, višedimenzionalni niz ili tekst.

Ovaj predmet ima za cilj da studente upozna sa osnovnim programskim jezicima koji su trenutno najviše zastupljeni u industriji i kompanijama. U zavisnosti od problema koji se rešava, studenti će steći znanja koja će im pomoći da adekvatno odaberu koji od programskih jezika da koriste za datu svrhu.

Ovaj predmet ima za cilj da studente upozna sa naprednijim metodama koje se koriste u obradi podataka i mašinskom učenju. U tu svrhu predmet je više fokusiran na razumevanje samih matematičkih metoda. Na ovaj način studenti će biti u stanju da sa usvojenim znanjem rešavaju kompleksnije probleme i imaju detaljniji uvid kako da analiziraju i vrše sintezu sistema na stručnijem nivou.

Cilj ovog predmeta je da se studenti upoznaju sa procesiranjem i obradom podataka koje nazivamo “velikim podacima”. Pojavom interneta javila se velika količina dostupnih podataka u vidu tekstualnih dokumenata, slika i video zapisa koji ne mogu da se skladište u memoriju personalnog računara. Da bi se ovi podaci obrađivali u realnom vremenu potrebno je koristiti namenske programske jezike, kao i hardverska rešenja na računarskim klasterima. Kroz ovaj kurs studenti će savladati osnove tehnike za procesiranje velikih podataka kao što su MapReduce, Hadoop i Spark.

U okviru predmeta Napredne baze podataka obrađuju se koncepti, tehnologije i modeli za rešavanje slučajeva na koje klasično modelovane relacione baze podataka ne mogu da odgovore. Prvi deo predmeta čine složeniji modeli relacionih baza podataka, uključujući modele različitih tipova grafova i specifičnih tipova matrica, posebno analizirani sa aspekta eksponencijalne degradacije performansi sa porastom količine podataka. U drugom delu predmeta analiziraju se relativno nove tehnologije koje su nastale kao odgovor na navedene probleme, prvenstveno NoSQL i grafovske baze podataka.

II semestar

Kroz ovaj predmet student će se upoznati sa obradom vizuelnih podataka i njihovim procesiranjem. Kroz praktične primere studenti će se upoznati i sa procesom ekstrakcije bitnih informacija iz slike i mogućnostima da se na osnovu toga razvijaju inteligentni servisi.

Cilj ovog predmeta je da studenti budu upoznati sa obradom tekstualnih podataka i njihovim procesiranjem. Kroz praktične primere studenti će se upoznati sa procesom ekstrakcije bitnih informacija iz teksta i mogućnostima da se na osnovu toga razvijaju inteligentni servisi.

Kroz studijsko-istraživački rad se proverava samostalnost kandidata da izvede složeniju i celovitiju analizu nekog problema u oblasti data science.

Ovaj predmet je orijentisan ka praktičnim aspektima sinteze i evaluacije data science sistema, prateći osnovnu paradigmu ciklusa sinteze: prikupljanje podatka, istraživanje trenda i odlika, pravljenje modela koji donose odluke na osnovu podatka, merenje i evaluacija tačnosti modela, efikasna vizualizacija ostvarenih rešenja.

Cilj stručne prakse je da studenti primene stečena znanja i veštine u rešavanju konkretnih problema u svakodnevnoj praksi.

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.