Воведни теми во науката за податоци

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, Управување во информатички технологии, Биоинформатика, Безбедност, криптографија и кодирање, Еко-информатика, Интелигентни системи, Интернет технологии и сајбер безбедност, Компјутерски науки, Софтвер за вградливи системи, Софтверско инженерство, Управување во информатички технологии, Биоинформатика, Безбедност, криптографија и кодирање, Софтверско инженерство, Пресметување во облак, Едукација со ИКТ, Статистика и аналитика на податоци, Пресметување во облак, Статистика и аналитика на податоци,

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

5 / Зимски

7. Број на ЕКТС кредити

6.0

8.

Наставник

проф. д-р Иван Чорбев ворн. проф. д-р Петре Ламески ворн. проф. д-р 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

6.0 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 бода

5 (пет) (F)

од 51 до 60 бода

6 (шест) (E)

од 61 до 70 бода

7 (седум) (D)

од 71 до 80 бода

8 (осум) (C)

од 81 до 90 бода

9 (девет) (B)

од 91 до 100 бода

10 (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

Ред.бр.

Автор

Наслов

Издавач

Година

8549

Jake VanderPlas

Python Data Science Handbook

O`REILLY

2016

8550

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

8551

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