Списак тема за пројекат

Пројекат из Статистичког софтвера 3

Пријава тема за пројекат и чланова групе за семинарски се може извршити путем мејла: stefan.malbasic@matf.bg.ac.rs.

Одрађен пројекат мијења израду семинарског рада (максималан број поена 85). Одбрана се састоји од презентације у једном од термина часова (13, 20. или 27. децембар 2022. године). Поени за израду писменог дијела су јединствени за све чланове групе, док се поени на одбрани могу разликовати. Приликом пријаве теме, навести приједлог термина одбране уз Гантов дијаграм. Уколико буде више пријављених група за исту тему, предност ће имати група чији чланови имају више поена на задацима за самосталан рад у току часова. Исто важи уколико буде пријављено више од три групе.

  • На крају рада је неопходно да постоји библиографија коришћене литературе.
  • Код никако не смије бити у виду слике ни на једном мјесту, јер онда не можемо покренути исти.
  • Радови се предају у .pdf формату, направљеном у LaTeX-у или Rmarkdown-у.
  • Неопходно је послати и презентацију у облику слајдова (PDF, PowerPoint, Prezi и сл).
  • Приликом слања рада, у Subject обавезно ставити наслов теме.
  • Код треба предати заједно са радом као R фајл (средите га претходно, треба да буде лијепо форматиран и искоментарисан).
  • Код се може убацити као дио документа, али само ако су то кратки исјечци који имају сврху и са смисленом величином излаза. Никако не остављати у раду код који обухвата више страна документа или чији излаз обухвата неколико страна. Рад превасходно мора бити читљив.

 

Рокови за предају:

  • Рок за пријаву теме: 29.11.2022. у 23:59.
  • Рок за предају пројекта: 48 сати прије одбране.
  • Распореди одбрана ће бити објављени након истека рока за пријаву тема и одабира група.

 

Списак тема:

1. The basic SIR model in R with Example (2 члана групе)
Потребно је описати модел као и ситуације у којима се користи. Примијенити описани модел на реалним подацима.

2. Social Network Analysis and Spectral Clustering in Graphs and Networks Using R Programming (2-3 члана групе)
Описати метод анализе социалних група помоћу теорије графова у R-у (постоје пакети за рад са графовима igraph, networkD3, sna...). Извршити спектралну кластеризацију реалних података помоћу претходно описане методе. 

3. Decision Tree in R: Classification Tree with Example (2 члана групе)
Описати метод и навести када га је могуће користити. Илустровати самосталним примјерима.

4. Random Forest in R - Classification and Prediction Example with Definition & Steps (2-3 члана групе)
Описати шта представља појам ансамбли у машинском учењу, навести подјелу и детаљно описати просту агрегацију и типичног представника RandomForest. Навести на који начин се RandomForest користи за регресију и класификацију. Описани метод примијенити на реалним подацима.

5. Слободна тема (статистичка анализа и моделовање неких реалних података уз неки нови метод који није рађен на курсу СС3) (2-3 члана групе)
Приједлог истраживања послати на мејл прије почетка рада.

 


Текући курсеви