Навигација

26Е113ПВП - Практикум из прикупљања и визуализације података

Спецификација предмета
НазивПрактикум из прикупљања и визуализације података
Акроним26Е113ПВП
Студијски програмЕлектротехника и рачунарство
Модулмодул Рачунарска техника и информатика
Тип студијаосновне академске студије
Наставник (предавач)
Наставник/сарадник (вежбе)
Наставник/сарадник (ДОН)
Број ЕСПБ3.0Статус предметаизборни
Условљност другим предметиманема
Циљеви изучавања предметаЦиљ овог предмета је да студенти стекну практична знања и вештине у прикупљању, обради, складиштењу и визуелизацији података коришћењем савремених алата и технологија, са фокусом на веб прикупљање, анализу података и интерактивне визуелизације.
Исходи учења (стечена знања)По завршетку предмета, студенти ће бити оспособљени да аутоматизовано прикупљају податке са веба, обрађују и анализирају податке у различитим форматима, као и да креирају статичке и интерактивне визуелизације.
Садржај предмета
Садржај теоријске наставеОсновни концепти у раду са подацима - структурирани и неструктурирани подаци. Представљање података у различитим форматима. Процес индексирања и прикупљања података са веба. Претпроцесирање прикупљених података из различитих извора. Технике за обраду и визуализацију података.
Садржај практичне наставеРеализација веб индексера и прикупљача коришћењем BeatifulSoup, Scrapy. Формати за складиштење података (CSV, JSON, XML). Технике обраде података коришћењем Pandas. Анализа података у окружењу Jupyter Notebook. Коришћење различитих начина визуалне репрезентације података на примеру библиотека Matplotlib, JavaScript D3 и других. Интерактивна визуализација у алатима као што су Tableau, Plotly.
Литература
  1. R. Lawson, Web scraping with Python, Packt Publishing Ltd, 2015.
  2. W. McKinney, Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter, 3rd edition, O'Reilly Media, 2022.
  3. M.O. Ward, G. Grinstein, D. Keim, Interactive data visualization: foundations, techniques, and applications, AK Peters/CRC Press, 2010.
  4. M. Meier, Mastering Tableau 2023: Implement advanced business intelligence techniques, analytics, and machine learning models with Tableau, 4th edition, Packt Publishing, 2023.
  5. H. da Rocha, Learn D3.js: Create interactive data-driven visualizations for the web with the D3.js library, 1st edition, Packt Publishing, 2019.
Број часова активне наставе недељно током семестра/триместра/године
ПредавањаВежбеДОНСтудијски и истраживачки радОстали часови
110.5
Методе извођења наставеПредавања и лабораторијске вежбе.
Оцена знања (максимални број поена 100)
Предиспитне обавезеПоенаЗавршни испитПоена
Активности у току предавањаПисмени испит30
Практична настава70Усмени испит
Пројекти
Колоквијуми
Семинари