Subject

Воведни теми во науката за податоци

Course Title

Воведни теми во науката за податоци
Introductionary topics for data scienсе

Code

DS001

Study Programme

Data science in computer science and engineering

Organizer of the study programme (unit, institute, department or division)

Faculty of Computer Science and Engineering

Degree level (first, second, third cycle)

Second cycle

Academic year / semester

9 / Winter

Number of ECTS credits

Teacher

Иван Чорбев, Петре Ламески, Ристе Стојанов

Prerequisites for enrolling in the course

—

10.

Objectives of the course programme (competences)

Во рамките на овој предмет студентите ќе бидат запознати со принципите на поставување и решавање на проблеми поврзани со науката за податоци, водење на тимови од научници и инженери, дизајн на системи и продукти и комуникација со клиенти и нетехнички лица.. Исто така студентите ќе развијат способност за пишување на програмски код во програмскиот јазик Python, како и способност за примена на програмирањето во наука за податоци.

11.

Course content

Основи на програмирање
Програмски јазик Python
Библиотеки во Python релевантни за науката за податоци
Практични примери
Процеси во проекти кои примануваат наука за податоци
Водење на тимови во проекти кои применуваат наука за податоци
Комуникација со клиенти и бизниси
Архитектура на проекти од науката за податоци
Кориснички сценарија и примери од праксата

12.

Learning methods

Презентации, дискусии на час, разгледувања на примери од праиксата и студии на случаји кодирање во живо

13.

Total available time

6 ECTS x 30 hours = 180 hours

14.

Distribution of available time

90 + 30 + 15 + 15 + 30 = 180 часа

15.

Forms of teaching activities

15.1.	Lectures - theoretical instruction	90 часови
15.2.	Exercises (laboratory, auditory), seminars, teamwork	30 hours

16.

Other forms of activities

16.1.	Project assignments	15 часови
16.2.	Independent assignments	15 часови
16.3.	Home study	30 hours

17.

Assessment method

17.1.	Tests	100 бодови
17.2.	Seminar paper / project (presentation: written and oral)	15 бодови
17.3.	Activities and learning	0 points
17.4.	Final exam	0 points

18.

Grading criteria (points / grade)

up to 50 points	5 (five) (F)
from 51 to 60 points	6 (six) (E)
from 61 to 70 points	7 (seven) (D)
from 71 to 80 points	8 (eight) (C)
from 81 to 90 points	9 (nine) (B)
from 91 to 100 points	10 (ten) (A)

19.

Requirement for obtaining a signature and taking the final exam

NULL

20.

Language of instruction

Англиски

21.

Method for monitoring the quality of teaching

интерна евалуација и анкети

22.

Literature

22.1.	Required literature 1. Jake VanderPlas \| Python Data Science Handbook \| O`REILLY \| 2016 2. Foster Provost and Tom Fawcett \| Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking \| O`Reilly Media \| 2013 3. John W. Creswell and J. David Creswell \| Research Design: Qualitative, Quantitative, and Mixed Methods Approaches \| SAGE Publications, Inc \| 2017
22.2.	Additional literature No. Author Title Publisher Year