Cilj i ishod predmeta
Uputiti studente u mnoštvo mogućnosti koje nudi analitika velikih podataka, da bi bili u stanju da među njima prepoznaju one koje mogu primeniti, razviti i unaprediti u realnom okruženju, bilo programirajući specifična rešenja, bilo koristeći biblioteke algoritama, bilo kombinujući različite alate. Student je u stanju da koncipira i sprovedi, kako ad hok analitička istraživanja velikih podataka, tako i projekte razvoja analitičkih aplikacija, time što zna kako da dođe do velikih podataka za analitiku, kako da ih ekstrahuje, transformiše i pohrani u različitim oblicima, kako da nad njima vrši napredne statističke analize i analize iz domena veštačke inteligencije.
Teorijska nastava
Kroz primere studenti se susreću s konceptima: uzorak podataka, kroling, skrejping, primena statistike i mašinskog učenja u analitici velikih podataka, nepotpuni podaci, prljavi podaci, autlajeri, kauzalnost, korektna i nekorektna interpretacija rezultata, problematika rangiranja, ponderisanje parametara, analitika velikog teksta, analiza grafa društvene mreže, klasifikacija profila na društvenim mrežama, preporučivanje sadržaja, te predviđanje osipanja klijenata. Studenti se upućuju kako da se snađu u mnoštvu tehnoloških, metodoloških i domenskih alternativa analitike velikih podataka.
Praktična nastava
Praktična nastava prati sadržaje iz teorijske nastave i primenjuje ih u otvorenim platformama Najm (Knime), Gefi (Gephi) i Hadup (Hadoop), te programskim jezicima Python i R. Studenati se obučavaju da, koristeći alate i tehnike sa kojima su se upoznali, samostalno izvrše naprednu analitičku obradu velikih podataka po izboru.