26E113PVP - Praktikum iz prikupljanja i vizualizacije podataka

Specifikacija predmeta
Naziv		Praktikum iz prikupljanja i vizualizacije podataka
Akronim		26E113PVP
Studijski program		Elektrotehnika i računarstvo
Modul		modul Računarska tehnika i informatika
Tip studija		osnovne akademske studije
Nastavnik (predavač)		prof. dr Marko Mišić
Nastavnik/saradnik (vežbe)		prof. dr Marko Mišić
Nastavnik/saradnik (DON)		as. ms Aleksa Srbljanović, dipl. inž. el. i rač. as. ms Miloš Obradović, dipl. inž. el. i rač. as. ms Mihajlo Ogrizović, dipl. inž. el. i rač. as. ms Matija Dodović, dipl. inž. el. i rač.
Broj ESPB		3.0	Status predmeta	izborni
Uslovljnost drugim predmetima		nema
Ciljevi izučavanja predmeta		Cilj ovog predmeta je da studenti steknu praktična znanja i veštine u prikupljanju, obradi, skladištenju i vizuelizaciji podataka korišćenjem savremenih alata i tehnologija, sa fokusom na veb prikupljanje, analizu podataka i interaktivne vizuelizacije.
Ishodi učenja (stečena znanja)		Po završetku predmeta, studenti će biti osposobljeni da automatizovano prikupljaju podatke sa veba, obrađuju i analiziraju podatke u različitim formatima, kao i da kreiraju statičke i interaktivne vizuelizacije.
Sadržaj predmeta
Sadržaj teorijske nastave		Osnovni koncepti u radu sa podacima - strukturirani i nestrukturirani podaci. Predstavljanje podataka u različitim formatima. Proces indeksiranja i prikupljanja podataka sa veba. Pretprocesiranje prikupljenih podataka iz različitih izvora. Tehnike za obradu i vizualizaciju podataka.
Sadržaj praktične nastave		Realizacija veb indeksera i prikupljača korišćenjem BeatifulSoup, Scrapy. Formati za skladištenje podataka (CSV, JSON, XML). Tehnike obrade podataka korišćenjem Pandas. Analiza podataka u okruženju Jupyter Notebook. Korišćenje različitih načina vizualne reprezentacije podataka na primeru biblioteka Matplotlib, JavaScript D3 i drugih. Interaktivna vizualizacija u alatima kao što su Tableau, Plotly.
Literatura
R. Lawson, Web scraping with Python, Packt Publishing Ltd, 2015. W. McKinney, Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter, 3rd edition, O'Reilly Media, 2022. M.O. Ward, G. Grinstein, D. Keim, Interactive data visualization: foundations, techniques, and applications, AK Peters/CRC Press, 2010. M. Meier, Mastering Tableau 2023: Implement advanced business intelligence techniques, analytics, and machine learning models with Tableau, 4th edition, Packt Publishing, 2023. H. da Rocha, Learn D3.js: Create interactive data-driven visualizations for the web with the D3.js library, 1st edition, Packt Publishing, 2019.
Broj časova aktivne nastave nedeljno tokom semestra/trimestra/godine
Predavanja	Vežbe	DON	Studijski i istraživački rad	Ostali časovi
1	1	0.5
Metode izvođenja nastave		Predavanja i laboratorijske vežbe.
Ocena znanja (maksimalni broj poena 100)
Predispitne obaveze		Poena	Završni ispit	Poena
Aktivnosti u toku predavanja			Pismeni ispit	30
Praktična nastava		70	Usmeni ispit
Projekti
Kolokvijumi
Seminari