Subject

Воведни теми во науката за податоци

1. Наслов на наставниот предмет Воведни теми во науката за податоци
Introductionary topics for data scienсе
2. Код DS001
3. Студиска програма Data science in computer science and engineering
4. Организатор на студиската програма (единица, односно институт, катедра, оддел) Факултет за информатички науки и компјутерско инженерство
5. Степен (прв, втор, трет циклус) Втор циклус
6. Академска година / семестар 9 / Зимски
7. Број на ЕКТС кредити 6
8. Наставник Иван Чорбев, Петре Ламески, Ристе Стојанов
9. Предуслови за запишување на предметот
10. Цели на предметната програма (компетенции) 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. Содржина на предметната програма 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. Методи на учење Презентации, дискусии на час, разгледувања на примери од праиксата и студии на случаји кодирање во живо
13. Вкупен расположив фонд на време 6 ЕКТС x 30 часа = 180 часа
14. Распределба на расположивото време 90 + 30 + 15 + 15 + 30 = 180 часа
15. Форми на наставните активности
15.1. Предавања - теоретска настава 90 часови
15.2. Вежби (лабораториски, аудиториски), семинари, тимска работа 30 часови
16. Други форми на активности
16.1. Проектни задачи 15 часови
16.2. Самостојни задачи 15 часови
16.3. Домашно учење 30 часови
17. Начин на оценување
17.1. Тестови 100 бодови
17.2. Семинарска работа / проект ( презентација: писмена и усна) 15 бодови
17.3. Активности и учење 0 бодови
17.4. Завршен испит 0 бодови
18. Критериуми за оценување (бодови/ оценка)
до 50 бода5 (пет) (F)
од 51 до 60 бода6 (шест) (E)
од 61 до 70 бода7 (седум) (D)
од 71 до 80 бода8 (осум) (C)
од 81 до 90 бода9 (девет) (B)
од 91 до 100 бода10 (десет) (A)
19. Услов за потпис и полагање на завршен испит NULL
20. Јазик на кој се изведува наставата Англиски
21. Метод на следење на квалитетот на наставата интерна евалуација и анкети
22. Литература
22.1. Задолжителна литература
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. Дополнителна литература
Ред.бр. Автор Наслов Издавач Година