Анализа података и моделирање у грађевинарству

Студијски програм Грађевинарство

Врста и ниво студија основне академске студије
Наставник
Статус предмета

ЕСПБ 4
Условни предмети

Бр. часова активне наставе - недељно

предавања вежбе други облици студијски истраживачки рад
наставе
2 2 0 0
Методе извођења наставе
Аудиторна предавања уз коришћење савремене презентационе технике. Активно учествовање
студената у анализи примера из праксе. Израда семинарског рада.
Структура оцене - максималан број бодова 100
колоквијуми семестрални усмени писмени остало
0 50 40 0 10

Циљ предмета

Упознавање студената са основним појмовима из области анализе података и науке о подацима

за потребе ефикаснијег управљања пројектима, те закључивања из историјских података о
пројектима.

Исход предмета

Студенти су упознати са основним појмовима из области науке о подацима и стекли су увид у

могуће примене у у грађевинском инжењерству.

Садржај предмета

Теоријска настава: Уводна разматрања. Прикупљање и анализа информација. Технике за

класификацију, предикцију и груписање података. Откривање асоцијативних правила. Data
mining и Data Science као напредан метод анализе у грађевинском инжењерству. Методе за
израду предиктивних модела, Вештачке неуронске мреже, Методе засноване на стаблима
одлучивања, Метода потпорних вектора Гаусов регресиони процес, Ансамбли модела. Примери
примена техника вештачке интелигенције и машинског учења у грађевинарству. Софтверски алати
за анализу података.

Практична настава:

На вежбама се у виду елабората разматрају случајеви из праксе који се односе на одговарајућа

предавања.

Литература
1. M.J. Berry and G.S. Linoff, Data Mining Techniques, J. Wiley 2004.

2. S. Araghinejad, Data-Driven Modeling: Using MATLAB® , Springer, 2014.

3. Б. Ивковић и Ж. Поповић- УПРАВЉАЊЕ ПРОЈЕКТИМА У ГРАЂЕВИНАРСТВУ - треће измењено и

допуњено издање - монографија, Грађевинска књига, Београд, 2005.

4. V. Kecman: Learning and Soft Computing: Support Vector Machines, Neural Networks, and Fuzzy Logic
Models, MIT Press, 2001.

5. T. Hastie, R. Tibsirani , J. Friedman: The Elements of Statistical Learning, Springer, 2009.

6. J. Michael Fitzpatrick, Akos Lédeczi: Computer programming with Matlab, Vanderbilt University, 2013.

7. Stormy Attaway: Matlab: A Practical Introduction to Programming and Problem Solving, Butterworth-
Heinemann, 2013.