Циљ
Исход
Методе извођења наставе
Садржај
Литература
Теоријска настава
Припрема и трансформација података. Експлораторна анализа података. Идентификовање патерна у подацима. Анализа секвенци: визуелизација и експлораторна анализа секвенци; идентификација патерна у секвенцама (sequential pattern mining); кластеровање секвенци Анализа текста: идентификација тема текста применом статистичких метода (topic modeling) и метода заснованих на мрежној анализи (community detection); кластеризација текстуалних садржаја
Практична настава
Упознавање са софтверским библиотекама и алатима релевантним за сваку од области обухваћених теоријском наставом. Примена ових библиотека и алата за имплементацију програма (у одабраном програмском језику) заснованих на уведеним теоријским концептима, методама и техникама.
1. G. Grolemund, H. Wickham. R for Data Science O’Reilly Media 2017
2. W. McKinney. Python for Data Analysis, 2nd Edition O’Reilly Media 2017
3. J. Silge and D. Robinson. Text mining with R, A Tidy Approach O’Reilly Media 2017
4. B. Bengfort, R. Bilbro, T. Ojeda Applied Text Analysis with Python: Enabling Language-Aware Data Products with Machine Learning. O’Reilly Media 2018
