Magistrski študijski program

Podatkovne znanosti

Študijski program izobrazi diplomante s poglobljenimi znanji sodobne analize podatkov ter specifičnimi znanji povezanimi s posebnostmi podatkov znotraj posameznih disciplin oziroma s posebnimi zvrstmi podatkov. To vključuje širok nabor naprednih metod analize podatkov ter ostalih konceptov sodobne podatkovne znanosti in samostojen razvoj algoritemskih in programskih rešitev za različne vrste problemov, ki se nanašajo na analizo podatkov za znanstvene, tržne ter druge namene. S povezavo matematičnih, informacijskih in družboslovnih tematik bodo študenti pridobili celovit nabor medsebojno dopolnjujočih se znanj, ki bodo omogočala reševanje problemov obdelave in analize velikih zbirk podatkov v realnem okolju ter uporabe umetne inteligence.

Študijski program izvajamo v redni in izredni obliki.

Redni študij je brezplačen tudi za zaposlene.

Šolnina za letnik izrednega študija znaša 2.500 evrov in je plačljiva v 4 obrokih.

Celoten cenik za študijsko leto 2021/22 si lahko ogledate na tej povezavi.

Vpis v 1. letnik

V prvi letnik magistrskega študijskega programa Podatkovne znanosti se lahko vpiše:

  • kdor je končal študijski program prve stopnje s študijskih področij matematike, statistike ali računalništva; kandidatu pristojni organ fakultete na podlagi prijave za vpis ne predpiše dodatnih študijskih obveznosti;
  • kdor je končal študijski program prve stopnje s študijskih področij informatike ali drugih naravoslovnih področij; kandidatu pristojni organ fakultete na podlagi prijave za vpis predpiše dodatne študijske obveznosti v obsegu 12 KT;
  • kdor je končal študijski program prve stopnje s področij družbenih, poslovnih in upravnih ved; kandidatu pristojni organ fakultete na podlagi prijave za vpis predpiše dodatne študijske obveznosti v obsegu 18 KT;
  • kdor je končal študijski program prve stopnje iz ostalih študijskih področij; kandidatu pristojni organ fakultete na podlagi prijave za vpis predpiše dodatne študijske obveznosti v obsegu 31 KT.

Za diplomante visokošolskih strokovnih študijskih programov, sprejetih pred 11. 6. 2004, se smiselno uporabljajo določila za diplomante študijskih programov prve stopnje.

V prvi oziroma nadaljnje letnike magistrskega študijskega programa Podatkovne znanosti se lahko vpiše tudi kdor je končal enakovredno izobraževanje v tujini. Enakovrednost v tujini pridobljenega izobraževanja na zahtevo vlagatelja ugotavlja FIŠ v okviru postopka priznavanja izobraževanja.

Za napredovanje iz prvega v drugi letnik mora študent/ka doseči najmanj 45 ECTS iz prvega letnika. Fakulteta lahko odobri napredovanje v višji letnik tudi, če študent/ka ni dosegel/a zahtevanih pogojev v primeru naslednjih okoliščin: materinstvo, daljša bolezen, izjemne družinske ali socialne okoliščine, sodelovanje na vrhunskih kulturnih, športnih ali strokovnih prireditvah. Študent/ka, ki ne izpolnjuje pogojev za vpis v višji letnik, lahko v času študija enkrat ponavlja letnik ali spremeni študijski program ali smer zaradi neizpolnitve obveznosti v prejšnji smeri ali študijskemu programu, a v tem primeru ne more koristiti absolventskega staža na isti stopnji študija. Drugega letnika ni možno ponavljati, ker je za opravljanje manjkajočih obveznosti namenjen absolventki staž.

Pogoji za dokončanje študija so uspešno opravljene vse s programom predpisane študijske obveznosti v obsegu 120 kreditnih točk po ECTS. Študent, ki se vpiše neposredno v drugi letnik, po zaključeni univerzitetni izobrazbi ali specializaciji po programu, sprejetem pred 11. 6. 2004, mora opraviti vse predpisane diferencialne izpite poleg vseh študijskih obveznosti drugega letnika. Študij se zaključi s pripravo in ustnim zagovorom magistrske naloge.

Magistrski študijski program izvajamo v obliki rednega in izrednega študija.

Izredni študij poteka v Novem mestu. Predmetnik, izpitni roki, izvajalci in pogoji za napredovanje študentov v višji letnik so enaki kot na rednem študiju.

Sposobnost skrbeti za kakovost strokovnega dela skozi avtonomnost, samoiniciativnost, (samo)kritičnost, (samo)refleksivnost in (samo)evalviranje.

• Splošno razumevanje pomena podatkov.

• Sposobnost interpretacije rezultatov podatkovne analize.

• Sposobnost uporabe različnih programskih rešitev za analizo podatkov.

• Uporaba ustreznih metodoloških pristopov za izvajanje, koordiniranje in organiziranje raziskav.

• Sposobnost iskanja virov in pridobivanja podatkov za izvedbo analize skladno s podanimi zahtevami.

• Usposobljenost za skupinsko delo v vseh fazah analize podatkov.

• Sposobnost obvladovanja in pretvorbe realnega problema v obliki lažje predstavljivega modela.

• Sposobnost analitičnega in algoritmičnega razmišljanja.

• Obvladovanje sodobnih visoko zmogljivih orodij in specifične programske opreme za obdelavo podatkov.

• Zmožnost artikulacije raziskovalnega problema in na tej podlagi sposobnost pridobivanja, selekcije, ocenjevanja in umeščanja novih informacij.

• Sposobnost fleksibilne uporabe znanja v praksi.

• Usposobljenost za samostojno in avtonomno obdelavo in vzdrževanje podatkov.

• Poglobljeno razumevanje in kritično razmišljanje o omejitvah oz. kvaliteti podatkov in njihovi etični uporabi.

Predmetnik

1. letnik2. letnikIzbirni predmeti
Linearna algebra in optimizacijaPodatkovna skladišča in podatkovna analitikaAnaliza kompleksnih omrežij
Izbrana poglavja iz verjetnosti in statistikeAnaliza velikih količin podatkovEtika in komuniciranje v podjetništvu
Uvod v podatkovne znanostiStrojno učenje 2Izbrana poglavja iz algoritmov
Programiranje za podatkovne znanostiStatistično učenje in modeliranjeMarketinška komunikacija
Vizualizacija podatkovMagistrski raziskovalni seminarModeliranje kompleksnih sistemov
Podatkovno rudarjenjeVisoko zmogljivo računalništvoManagement znanja
Analiza kategorialnih podatkovKreativnost in kritično razmišljanjeNumerična matematika
Strojno učenje 1Magistrska nalogaOrganizacijska psihologija
Izbirni predmet 1Raziskovanje interneta
Izbirni predmet 2Uvod v gospodarsko, delovno in obligacijsko pravo
Izbirni predmet 3Analiza mehkih množic
Diskretna matematika
Marketinške strategije na podlagi podatkov

Linearna algebra in optimizacija

Študenti bodo pri predmetu spoznali zahtevnejše pojme in principe linearne algebre, sposobni bodo prepoznati praktične probleme in jih reševati z orodji linearne algebre. Poznali in razumeli bodo poglavitne izreke linearne algebre, spoznali bodo metode matematične optimizacije ter se spoznali s programskih jezikom Matlab ali R. Pridobljeno znanje bo prenosljivo na druga področja, predvsem na področji statistike in strojnega učenja.

POVEZAVA NA učni načrt

IZVAJALEC: izr. prof. dr. Vesna Andova

ECTS: 6

Izbrana poglavja iz verjetnosti in statistike

Študenti bodo pri predmetu spoznali in razumeli temelje kvantitativnega raziskovanja, verjetnostni račun, verjetnostne porazdelitve in centralni limitni izrek. Spoznali bodo stališča do ključnih etičnih vprašanj v raziskovalnem procesu in kritično vrednotiti konkreten primer, znali bodo izbrati in uporabiti izbrane metode in tehnike kvantitativnega raziskovanja. Študenti bodo sposobni uporabe osnovne programske opreme za kvantitativno analizo, pripraviti in izvesti načrt kvantitativne raziskave: raziskovalno vprašanje, hipoteze, načrt zbiranja in obdelave podatkov, zbiranje in obdelava podatkov, diskusije o rezultatih ter sposobni refleksije in kritičnega vrednotenja primernosti določene raziskovalne metode za analizo konkretnega problema.

Uvod v podatkovne znanosti

Študenti bodo pri predmetu usvojili dobro razumevanje pridobivanja in organiziranja podatkovnih zbirk, dobro poznavanje metod podatkovne analitike, vključno z osnovami statističnih in metod analize omrežij, osnovno poznavanje analize velikih podatkov ter znanje programirana za potrebe podatkovne analitike.

POVEZAVA NA učni načrt

IZVAJALEC: izr. prof. dr. Zoran Levnajić

ECTS: 6

Programiranje za podatkovne znanosti

Študenti bodo pri predmetu spoznali enega izmed najbolj razširjenih programskih jezikov za obdelavo podatkov, podrobno bodo spoznali napredne knjižnice programskega jezika Python. Razumeli bodo koncepta niti in vzporednega procesiranja ter ju bili sposobni uporabiti v praksi. Pridobljeno znanje pri predmetu bo nadgradilo razumevanje razvoja algoritmov ter bo služilo kot podlaga za študij bolj specifičnih predmetov s področja strojnega učenja in statistike.

POVEZAVA NA učni načrt

IZVAJALEC: izr. prof. dr. Borut Lužar

ECTS: 7

Vizualizacija podatkov

Cilj predmeta je poznavanje enega izmed najbolj prilagodljivih orodij za statistično analizo in grafični prikaz podatkov, sposobnost njegove praktične uporabe, poznavanje osnovnih in naprednih funkcij in pristopov k vizualizaciji podatkov.

POVEZAVA NA učni načrt

IZVAJALEC: doc. dr. Nuša Erman

ECTS: 5

Podatkovno rudarjenje

Cilj predmeta je študentom predstaviti osnovne ideje in principe na katerih temeljijo metode za podatkovno rudarjenje, ter jih seznaniti s paradigmami uporabe nekaterih najpomembnejših orodij. Študenti bodo spoznali pojme, naloge in standarde podatkovnega rudarjenja, pridobili razumevanje osnovnih principov na katerih temeljijo postopki za podatkovno rudarjenje ter se naučili pravilne in samostojne uporabe nekaj aktualnih programskih orodij za podatkovno rudarjenje.

Analiza kategorialnih podatkov

Študenti bodo pri predmetu spoznali osnovne in zahtevnejše pristope k analizi kategorialnih podatkov. Cilj predmeta je poznavanje in kritično vrednotenje ustreznosti uporabljenih metod za reševanje praktičnih problemov v analizi kategorialnih podatkov ter poznavanje oblikovanja ustreznih vsebinskih interpretacij rezultatov.

POVEZAVA NA učni načrt

IZVAJALEC: doc. dr. Nuša Erman

ECTS: 5

Strojno učenje 1

Cilj predmeta je predstaviti osnove umetne inteligence, metod in algoritmov strojnega učenja ter uporabiti pridobljene veščine za odkrivanje znanj iz podatkov ter za reševanje klasifikacijskih in regresijskih nalog. Študenti bodo dobili teoretično znanje iz tekstovnega rudarjenja, nevronske mreže, globokega učenja in računalniškega vida in ga uporabili pri resničnih problemih iz znanstvenega in poslovnega okolja. Študenti se seznanijo s teoretskimi osnovami in s praktičnimi vidiki strojnega učenja, da lahko uporabijo znanje različnih tehnik in metod strojnega učenja za analizo, sintezo in predvidevanje rešitev ter njihovih posledic za ciljne probleme.

Izbirni predmet 1

ECTS: 5

Izbirni predmet 2

ECTS: 5

Izbirni predmet 3

ECTS: 5

Podatkovna skladišča in podatkovna analitika

Cilj predmeta je, da študent spozna in razume pomen podatkov in podatkovnih virov, da je zmožen modelirati podatkovna skladišča na konceptualnem, logičnem in fizičnem nivoju, da pozna in razume pomen modeliranja podatkov za potrebe analiz in odkrivanja zakonitosti v podatkih, da pozna in razume vlogo podatkovnih skladišč kot pomembnega sestavnega dela informacijskih sistemov. Študent se nauči uporabljati tehnike dimenzijskega podatkovnega modeliranja, razume pomen kakovosti podatkov za uspešno realizacijo podatkovnih skladišč in pozna metodološki pristop, ki omogoča dvig kakovosti informacij.

POVEZAVA NA učni načrt

IZVAJALEC: izr. prof. dr. Blaž Rodič

ECTS: 5

Analiza velikih količin podatkov

Cilj predmeta je, da študenti pridobijo sposobnost obvladovanja in pretvorbe realnega problema v obliki lažje predstavljivega modela in uporaba ustreznih metodoloških pristopov za izvajanje, koordiniranje in organiziranje raziskav. Študenti pridobijo sposobnost sinteze izvirnih idej, konceptov in rešitev določenih problemov iz različnih disciplinarnih področij, naučijo se poznavanja in razumevanja širokega nabora aplikacij informacijsko komunikacijske tehnologije v sodobni družbi, poznavanje konceptov in metodologij za analizo velikih količino podatkov. Študenti pridobijo tudi osnovna programerska znanja in se naučijo konceptov za analizo velikih količin podatkov.

Strojno učenje 2

Cilj predmeta je predstaviti osnove umetne inteligence, metod in algoritmov strojnega učenja ter uporabiti pridobljene veščine za odkrivanje znanj iz podatkov ter za reševanje klasifikacijskih in regresijskih nalog. Študenti bodo dobili teoretično znanje iz tekstovnega rudarjenja, nevronske mreže, globokega učenja in računalniškega vida in ga uporabili pri resničnih problemih iz znanstvenega in poslovnega okolja. Študent se pri predmetu seznani s teoretskimi osnovami in s praktičnimi vidiki strojnega učenja ter lahko uporabi pridobljeno znanje različnih tehnik in metod strojnega učenja za analizo, sintezo in predvidevanje rešitev ter njihovih posledic za ciljne probleme.

Statistično učenje in modeliranje

Študent bo v povezavi z drugimi predmeti spoznal in razumel relevantna poglavja iz družboslovnega raziskovanja, podatkovnih baz in podatkovne analitike, sposoben bo zavzeti stališče do ključnih etičnih vprašanj v raziskovalnem procesu in kritično vrednotiti konkreten primer. Cilj je, da bo študent poznal in bil sposoben uporabiti izbrane metode in tehnike kvantitativnega raziskovanja na višjem nivoju, da bo sposoben uporabe osnovne programske opreme za kvantitativno analizo ter pripraviti in izvesti načrt kvantitativne raziskave. Študent bo sposoben refleksije in kritičnega vrednotenja primernosti določene raziskovalne metode za analizo konkretnega problema.

POVEZAVA NA učni načrt

IZVAJALEC: doc. dr. Nuša Erman

ECTS: 7

Magistrski raziskovalni seminar

Predmet predstavlja praktično predpripravo na izvedbo raziskovalne naloge za potrebe magistrske naloge. Pri predmetu študent izvede zapletenejšo raziskavo za rešitev kompleksnejšega teoretičnega ali empiričnega problema, skozi katero težimo k poglobitvi in kritičnemu ovrednotenju do sedaj pridobljenih teoretičnih in metodoloških znanj. Študenti na začetku predavanj v sodelovanju z mentorjem izberejo raziskovalni problem iz področja, ki jih strokovno najbolj zanima in izvedejo celovit manjši raziskovalni projekt oziroma ekspertizo, ki vključuje: oblikovanje raziskovalnih vprašanj in hipotez, konceptov in teorij; izbor raziskovalnih strategij; organizacijo in izvedbo, raziskovalnega projekta; interpretacijo kompleksnih rezultatov in prenos v prakso.

POVEZAVA NA učni načrt

IZVAJALEC: red. prof. dr. Dejan Jelovac

ECTS: 8

Visoko zmogljivo računalništvo

Cilj predmeta je osvojitev naprednih znanj s področij visoko zmogljivega računalništva, paralelnega procesiranja ter HADOOP, konfiguracija HADOOP, izraba paralelnih sistemov, razumevanje primernosti teoretičnih metod za reševanje praktičnih problemov ter njihovih omejitev, sposobnost analitičnega razmišljanja, sposobnost analize in reševanja kompleksnih praktičnih problemov. Študenti se bodo naučili kombinirati znanja pridobljena pri predmetih s področja strojne opreme, programske opreme, algoritme ter programiranja.

Kreativnost in kritično razmišljanje

Študent je zmožen kritično oceniti razloge za uporabo tehnik kreativnega mišljenja – na splošno in za reševanje poslovnih problemov, zna priporočiti načine reševanja poslovnih problemov z uporabo nestrukturiranih tehnik kreativnosti. Študent pri predmetu spozna kako hevristika in predsodki ovirajo logiko in objektivnost, primerja različne vrste logičnega sklepanja in oceni prednosti sklepanja ter zna oceniti metodološki okvir za analizo in kritiko.

POVEZAVA NA učni načrt

IZVAJALEC: doc. dr. Robert Kopal

ECTS: 3

Magistrska naloga

ECTS: 22

ECTS: 22

Analiza kompleksnih omrežij

Študent pri predmetu pridobi dobro razumevanje kompleksnih omrežij, v glavnem (vendar ne izključno) družbenih omrežij, dobro razumevanje ideje in namena analize (družbenih) omrežij, poznavanje osnovnih in (nekaterih) naprednih metod analize omrežij. Študent pridobi spretnosti pri razvoju modelov omrežij primernih za reševanje specifičnih problemov oziroma raziskovalnih vprašanj, spretnosti pri uporabi modernih programskih orodij za analizo omrežij ter osnovno poznavanje trenutnih raziskovalnih problemov v znanosti o omrežjih.

POVEZAVA NA učni načrt

IZVAJALEC: izr. prof. dr. Zoran Levnajić

ECTS: 5

Etika in komuniciranje v podjetništvu

Študent bo razumel obseg in vsebino področja poslovne etike in podjetniškega komuniciranja, dojel bistvo vplivnih etičnih stališč znotraj sodobnega etičnega pluralizma, razumel in jasno razlikoval ključne kategorije poslovne etike in komuniciranja v poslovnem življenju, pridobil vpogled v bistvo dobrih poslovnih običajev, njihovo vlogo, mesto in pomen za uspešno sodobno poslovanje. Študent bo usposobljen za dojemanje moralne in komunikacijske dimenzije poslovnega sveta, usposobljen za implementacijo poslovnega ravnanja v slogu dobrega gospodarja. Razvil bo etično refleksijo in na njeni podlagi zavezanost vzorcem zglednega poslovanja in komuniciranja, razvil bo spretnosti za uporabo različnih metod in tehnik za prepoznavanje, preprečevanje in razreševanje moralnih napetosti/nesoglasij ter šumov v komunikaciji, pridobil čut za moralno odgovornost do notranjega in zunanjega okolja podjetja ipd.

POVEZAVA NA učni načrt

IZVAJALEC: prof. dr. Dejan Jelovac

ECTS: 5

Izbrana poglavja iz algoritmov

Študenti se bodo spoznali s teoretičnimi osnovami in praktičnimi vidiki razvoja algoritmov, sposobni bodo v izbranem programskem jeziku napisati program ter uporabiti najnovejša programska orodja za implementacijo izbranega algoritma ter bistveno izboljšali znanje programiranja algoritmov. Študenti bodo sposobni prenosa znanja na druga področja, vključujoč splošno algoritmično znanje, razvoj novih algoritmov in programov za reševanje problemov iz prakse v obliki aplikacij.

Marketinška komunikacija

Študent pri predmetu v povezavi z drugimi predmeti pozna in razume pojme in koncepte iz področij medijev in marketinga; pozna in uporablja osnovne metode in tehnike marketinga; izvede študijo primera in primerjalno študijo primera; zna uporabiti svoje teoretsko in metodološko znanje za reševanje praktičnih problemov s področij medijskega marketinga; zavzame stališče do ključnih etičnih vprašanj v raziskovalnem procesu in kritično vrednoti konkreten primer ter reflektira in kritično ovrednoti primernost določenega pristopa za rešitev konkretnega problema.

Modeliranje kompleksnih sistemov

Cilj predmeta je dobro razumevanje kompleksnosti v naravi in družbi, dobro razumevanje ideje in namena modeliranja, pridobitev znanja o osnovnih in (nekaterih) naprednih tehnikah modeliranja ter pridobitev spretnosti pri razvoju in analizi osnovnih modelov od začetka.

POVEZAVA NA učni načrt

IZVAJALEC:  izr. prof. dr. Zoran Levnajić

ECTS: 5

Management znanja

Cilj predmeta je, da študent pozna pomen znanja za uspešnost podjetja, pomen pridobivanja in shranjevanja eksplicitnega znanja, pridobivanja tihega znanja od posameznih ekspertov podjetja in prenos le-tega na druge uslužbence. Študent pridobi sposobnost fleksibilne uporabe znanja v praksi .

POVEZAVA NA učni načrt

IZVAJALEC:  prof. dr. Nadja Damij

ECTS: 5

Numerična matematika

Študenti bodo spoznali zahtevnejše pojme in principe numerične matematike, sposobni bodo prepoznati praktične probleme in jih reševati z orodji numerične matematike, poznali in razumeli bodo poglavitne izreke numerične matematike ter bodo sposobni uporabe obravnavanih metod za reševanje problemov s pomočjo programskih jezikov Matlab ali R.

POVEZAVA NA učni načrt

IZVAJALEC:  izr. prof. dr. Vesna Andova

ECTS: 5

Organizacijska psihologija

Študent je sposoben analize ter načina izkoriščanja dejavnikov, ki ugodno vplivajo na delovni učinek, zdravje, zadovoljstvo, osebnostno rast delavca in zmanjšanje delovanja škodljivih dejavnikov; identifikacije, usposabljanja in razvoja potreb delavca; načrtovanja in optimizacije dela in kakovosti delovnega življenja;
oblikovanje in izvajanje programov usposabljanja in ocenjevanje njihove učinkovitosti, coaching zaposlenih; razvoja kriterijev za ocenjevanje uspešnosti delavcev in organizacij; ocenjevanja preferenc potrošnikov, zadovoljstva kupcev in tržnih strategij.

POVEZAVA NA učni načrt

IZVAJALEC:  izr. prof. dr. Nevenka Podgornik, doc. dr. Jana Krivec

ECTS: 5

Raziskovanje interneta

Cilj predmeta je sposobnost sinteze izvirnih idej, konceptov in rešitev problemov vezanih za raziskovanje interneta; poznavanje in razumevanje širokega nabora aplikacij informacijsko komunikacijske tehnologije v sodobni družbi; razvoj veščin in spretnosti pri uporabi znanja na področju družbenih ved in informatike s pomočjo reševanja teoretičnih ali empiričnih problemov.

POVEZAVA NA učni načrt

IZVAJALEC:  izr. prof. dr. Zoran Levnajić

ECTS: 5

Uvod v gospodarsko, delovno in obligacijsko pravo

Študnet bo sposoben uporabe relevantnih domačih in mednarodnih virov, uporabe elektronskih virov in kritične analize relevantne literature; razumevanja družbene odgovornosti; razumevanja državljanske svobode, enakosti, dostojanstva, pravic in odgovornosti; spodbujanja razvoja obveščenih in aktivnih državljanov;
razvoja potrebe po doseganju družbene pravičnosti in podpiranju raznolikosti. Študent bo poznal in razumel relevantne predpise in institute s področij gospodarskega, delovnega in obligacijskega prava. Znal bo uporabiti vire ter samostojno uporabljati predpise.

POVEZAVA NA učni načrt

IZVAJALEC: izr. prof. dr. Marko Novak

ECTS: 5

Analiza mehkih množic

Študent bo pri predmetu seznanjen z namenom predmeta, vsebino in metodami dela ter njegovimi obveznostmi; razumel bo obseg in vsebino področja analize mehkih množic; razumel bo in jasno razlikoval ključne kategorije v okviru analize mehkih množic.
Študent bo pridobil vpogled v razlike in možnosti združevanja analize kvalitativnih in kvantitativnih podatkov v mehkih množicah; usposobljen bo za konfiguracijsko razmišljanje pri analizi empiričnih podatkov; znal bo oblikovati bazo podatkov, ki bo vključevala kvalitativne in kvantitativne podatke; znal bo izvesti ustrezne analitske postopke, ki jih ponuja analiza mehkih množic. Ustrezno bo interpretiral rezultate analize mehkih množic in znal ustrezno uporabljati osnovno programsko opremo za analizo mehkih množic.

POVEZAVA NA učni načrt

IZVAJALEC: prof. dr. Borut Rončević

ECTS: 5

Diskretna matematika

Študenti bodo spoznali zahtevnejše
pojme in principe diskretne
matematike, sposobni bodo prepoznati praktične probleme in jih reševati z orodji diskretne matematike, poznali in razumeli bodo poglavitne izreke kombinatorike in teorije grafov. Pridobljeno znanje bo prenosljivo na druga področja, predvsem v razvoj algoritmov in programskih rešitev.

Marketinške strategije na podlagi podatkov

Študent pridobi znanje in razumevanje za oblikovanje konceptualnega modela na osnovi podatkov za ozaveščanje o blagovni znamki, vrednosti potencialnih kupcev, retrospektivni vrednosti za kupca, predvidevanja stopnje osipa, navzkrižne prodaje in namenov segmentacije.

POVEZAVA NA učni načrt

IZVAJALEC: doc. dr. Goran Klepac

ECTS: 5