dentificirati procese, alate i tehnike koje se koriste u obradi podataka. Razlikovati programske jezike i statistički softver koji se koriste u obradi podataka. Osmisliti istraživanje na osnovi statističkih tehnika i tehnika strojnog učenja za analizu i modeliranje podataka. Osmisliti i provesti obradu podataka i komunicirati rezultate putem vizualizacija, izvješća i prezentacija u odgovarajućem formatu. Primijeniti suvremene načine obrade podataka relevantne za komunikacijske i informacijske znanosti

Kelleher, J. D. i Tierney, B. (2021). Znanost o podatcima. Zagreb: Naklada Mate.

Grolemund, G., and Wickham, H. (2017). R for Data Science. O’Reilly Media

Grolemund, G., and Wickham, H. (2017). R for Data Science. O’Reilly Media.

Wickham H (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York.

Silge, J. and Robinson, D. (2017) . Text Mining with R: A Tidy Approach. O’Reilly Media

1. Redovito pohađanje nastave – prisutnost na najmanje 70% nastave prema studijskom programu i izvedbenom nastavnom planu.
2. Uredno izvršene nastavnih obveza u okviru vježbi.
3. Stjecanje minimalnog uspjeha od 35% tijekom nastave unutar zadanih nastavnih aktivnosti kroz vježbe i kolokvije.

1. Kontinuirano vrednovanje studentskog rada kroz nastavne aktivnosti.
2. Završni pismeni i usmeni ispit (minimum za prolaz na pismenom ispitu je 50% točne riješenosti).

1. a) Nastavne aktivnosti – 70% ocjene

   1) Vježbe – max. 20 %; 

   2) 1. kolokvij – max. 25 %;

   3) 2. kolokvij – max. 25 %;

1. b) Završni ispit 

   4)  Pismeni ispit – max. 30 % (za prolaz je nužno točno odgovoriti na 50 % postavljenih pitanja).

dovoljan (2) – 50-64,9 %

dobar (3) – 65-79,9 %

vrlo dobar (4) – 80-89,9 %

izvrstan (5) – 90-100 %