Napomena: .html i .Rmd formati predavanja su dostupni u repozitoriju.

Predavanje 01: Pregled kolegija i studentskih obveza

• Uvod u kolegij
• Potrebe, interesi i ciljevi
• Rasprava: Podatkovna znanost i Big Data

Čitanje: Podatkovna znanost u biznisu i akademiji

Predavanje 02: Vrste podataka

• Strukturirani i ne-strukturirani podatci
• Kvantitativni i kvalitativni
• Diskretni i kontinuirani podatci
• Razine podataka
• Podatci u "praksi
• Big data" u društvenim i humanističkim znanostima

Čitanje: Vrste podataka-poglavlje u knjizi + Sociology in the Era of Big Data + Veliki podatci-veliki izazov za sociologiju + Uloga big data, algoritama i prediktivne analitike u konstrukciji zbilje

Predavanje 03: Izvori podataka

• Kategorije izvora podatka
• Klasični izvori podataka
• Moderni izvori podataka (BigData)
• Web
• Društvene mreže
• Web stranice i aplikacije
• Društvene mreže
• Senzori
• Upravljanje modernim podatcima

Čitanje: Big Data ekosistem u društvenim istraživanjima

Predavanje 04: Osnove programskog jezika R

• Instalacija
• Zašto R?
• Osnovni koncepti
• Objektno orjentirano programiranje u R
• “Sve je objekt”
• “Sve ima naziv”
• Indeksiranje

Čitanje: Uvod u R - skripta I + Uvod u R - skripta II + LSR, poglavlja 3 i 4

Predavanje 05: Manipulacija i prilagodba podataka

• Set-up
• tidyverse osnove
• Manipulacija podatcima - dplyr
• Manipulacija podatcima - tidyr
• Dodatak predavanju: data.table

Čitanje: Tidy Data članak od Hadley Wickham-a

Predavanje 06: Prikupljanje podataka sa interneta - Web Scraping I

• Softverski set-up
• Webscraping osnove
• WS na strani servera - rvest
• Praktični primjeri - Wikipedia
• Dodatni savjeti za WS na strani servera
• WS na strani klijenta
• API
• Praktični primjeri

Čitanje: Pokušajte “scrapati” nešto sa Web-a!

Predavanje 07: Rad sa bazama podataka

• Baze podatka
• Baze podataka i tidyverse
• Baze podataka i SQL
• Praktični primjer - SQLite
• Praktični primjer - Google BigQuery
• Resursi za učenje

Čitanje: Knjiga Become A Select Star od Julia-e Evans.

Predavanje 08: Statistička analiza

• Regresijski model
• Rezidualna struktura
• Dummie varijable
• Analiza panel podataka
• Instrumentalne varijable
• Marginalni efekti
• Prezentacija rezultata
• Dodatni resursi

Čitanje: “Dvije kulture” statističkog modeliranja

Predavanje 09: Uvod u strojno učenje

• Što je strojno učenje
• Klasifikacija
• Regresija
• Klastering
• Nadgledane i ne-nadgledane metode
• Trening i test uzorci
• Pristranost vs varijanca
• Interpretabilnost modela

Čitanje: Izbor po želji iz dodatnih resursa.

Predavanje 10: Analiza teksta

• Što je analiza teksta
• Primjeri analize teksta
• Uvoz i priprema teksta
• Format teksta za analizu
• Deskriptivna analiza teksta
• Analiza sentimenta
• Analiza važnosti pojmova

Čitanje: Vodič za analizu teksta u R

Predavanje 11: Prezentacija, objava i djeljenje rezultata

• Reproducible research i Markdown
• Markdown sintaksa
• R Markdown sintaksa i funkcionalnosti

Čitanje: Članak o Reproducible Analysis