General information
Seminarski rad
Domaći zadatak
Na linku možete naći domaći zadatak iz kursa Statistički softver 3 zajedno sa napomenama i pravilima. Domaći zadatak predstavlja predispitnu obavezu i na njemu je moguće osvojiti 15 poena. Rok za predaju domaćeg je 31. decembar 2022. godine u 23:59 časova. Domaći zadatak se radi samostalno.
Spisak tema za projekat
Projekat iz Statističkog softvera 3
Prijava tema za projekat i članova grupe za seminarski se može izvršiti putem mejla: stefan.malbasic@matf.bg.ac.rs.
Odrađen projekat mijenja izradu seminarskog rada (maksimalan broj poena 85). Odbrana se sastoji od prezentacije u jednom od termina časova (13, 20. ili 27. decembar 2022. godine). Poeni za izradu pismenog dijela su jedinstveni za sve članove grupe, dok se poeni na odbrani mogu razlikovati. Prilikom prijave teme, navesti prijedlog termina odbrane uz Gantov dijagram. Ukoliko bude više prijavljenih grupa za istu temu, prednost će imati grupa čiji članovi imaju više poena na zadacima za samostalan rad u toku časova. Isto važi ukoliko bude prijavljeno više od tri grupe.
- Na kraju rada je neophodno da postoji bibliografija korišćene literature.
- Kod nikako ne smije biti u vidu slike ni na jednom mjestu, jer onda ne možemo pokrenuti isti.
- Radovi se predaju u .pdf formatu, napravljenom u LaTeX-u ili Rmarkdown-u.
- Neophodno je poslati i prezentaciju u obliku slajdova (PDF, PowerPoint, Prezi i sl).
- Prilikom slanja rada, u Subject obavezno staviti naslov teme.
- Kod treba predati zajedno sa radom kao R fajl (sredite ga prethodno, treba da bude lijepo formatiran i iskomentarisan).
- Kod se može ubaciti kao dio dokumenta, ali samo ako su to kratki isječci koji imaju svrhu i sa smislenom veličinom izlaza. Nikako ne ostavljati u radu kod koji obuhvata više strana dokumenta ili čiji izlaz obuhvata nekoliko strana. Rad prevashodno mora biti čitljiv.
Rokovi za predaju:
- Rok za prijavu teme: 29.11.2022. u 23:59.
- Rok za predaju projekta: 48 sati prije odbrane.
- Rasporedi odbrana će biti objavljeni nakon isteka roka za prijavu tema i odabira grupa.
Spisak tema:
1. The basic SIR model in R with Example (2 člana grupe)
Potrebno je opisati model kao i situacije u kojima se koristi. Primijeniti opisani model na realnim podacima.
2. Social Network Analysis and Spectral Clustering in Graphs and Networks Using R Programming (2-3 člana grupe)
Opisati metod analize socialnih grupa pomoću teorije grafova u R-u (postoje paketi za rad sa grafovima igraph, networkD3, sna...). Izvršiti spektralnu klasterizaciju realnih podataka pomoću prethodno opisane metode.
3. Decision Tree in R: Classification Tree with Example (2 člana grupe)
Opisati metod i navesti kada ga je moguće koristiti. Ilustrovati samostalnim primjerima.
4. Random Forest in R - Classification and Prediction Example with Definition & Steps (2-3 člana grupe)
Opisati šta predstavlja pojam ansambli u mašinskom učenju, navesti podjelu i detaljno opisati prostu agregaciju i tipičnog predstavnika RandomForest. Navesti na koji način se RandomForest koristi za regresiju i klasifikaciju. Opisani metod primijeniti na realnim podacima.
5. Slobodna tema (statistička analiza i modelovanje nekih realnih podataka uz neki novi metod koji nije rađen na kursu SS3) (2-3 člana grupe)
Prijedlog istraživanja poslati na mejl prije početka rada.
Obaveze na kursu
Raspodjela poena:
- Predispitne obaveze (domaći rad): 15 poena
- Ispit (seminarski rad i odbrana): 85 poena
- Bonus (aktivnost na časovima, zadaci za samostalan rad…)