Fakultet za Data Science u Srbiji (prvi deo – ETF)

Jedini cilj ovog teksta je odgovor na pitanja – da li u Srbiji postoji fakultet za data science i kakvo je formalno obrazovanje u ovoj oblasti? Istraživanje ove teme će obuhvatiti sve relevantne fakultete u Srbiji i analizirati nastavne programe na osnovnim i master studijama. Ako fakultet za data science ne postoji, kako odgovoriti na potrebe kompanija iz ove oblasti?

U ovom i narednim tekstovima ću se pozabaviti fakultetima u okviru Univerziteta u Beogradu, a potom dati prikaz fakulteta koji pripadaju državnim univerzitetima u Novom Sadu, Nišu i Kragujevcu. Nadam se da će mi sajtovi fakulteta dati dovoljno informacija, a pokušaću da od prijatelja i poznanika dobijem što više informacija iz prve ruke. Ukoliko je bilo ko voljan da pomogne, može me slobodno kontaktirati na mail branko at datascience.rs.

Povod za tekstove jeste moja vrlo neprecizna i nesmotrena izjava data jednom srpskom mediju na pitanje – da li postoji fakultet za data science? Izjava je opravdano izazvala određene kritičke reakcije i komentare, a mene naterala da se bolje informišem na ovu temu. Takođe, pisanju je doprinela i tužna situacija koja se tiče gašenja nekoliko nastavnih programa na Fakultetu tehničkih nauka Univerziteta u Novom Sadu.

Verujem da će tekstovi biti od koristi svima onima koji tek planiraju da upišu fakultet ili će biti birati između ponuđenih smerova na nekom od fakulteta.

Pošto živim u Beogradu i završio sam studije na Elektrotehničkom fakultetu, deluje logično da počnem od ovog fakulteta. Tekst ću dopuniti kratkim utiscima o predmetima i pojedinim profesorima trudeći se da budem nepristrasan i objektivan.

Univerzitet u Beogradu

Univerzitet u Beogradu je najstarija visokoškolska ustanova u Srbiji i svake godine upisuje skoro 15 hiljada studenata na neki od 31 fakulteta. Međutim, samo nekolicinu njih vredi analizirati u potrazi za data science programima. Pre svih, Elektrotehnički fakultet, Matematički fakultet i Fakultet organizacionih nauka. Pozabaviću se i Mašinskim, Građevinskim, Fizičkim i Biološkim fakultetom. Ove nauke koriste data science, pa ćemo videti da li i šta tamo postoji “interesantno”.

Elektrotehnički fakultet

etfOsnovne studije na ETF-u su podeljene u dva studijska programa – elektrotehnika i računarstvo (ER) i softversko inženjerstvo (SI). Fundamentalna znanja iz matematike potrebna za data science stiču se na prvoj godini studija. Međutim, studenti SI su “pošteđeni” učenja jednog dela teorije. Da li je ovo dobro? Mislim da je odgovor jasan – ne. S druge strane, na ER se zaista može naučiti sve neophodno iz analize i algebre iako se dobar deo gradiva čini kao nepotreban.

U nastavku studija na smeru SI se polažu kursevi Algoritmi i strukture podataka (1 i 2) kod odličnog prof. Mila Tomaševića. Izborom predmeta Numerička analiza i diskretna matematika i Verovatnoća i statistika u drugoj godini se nadograđuju matematička znanja. Uz predmete Neuralne mreže i Inteligentni sistemi u trećoj može se steći solidna osnova za data science. Daleko od toga da je sve ovo dovoljno, ali zaista daje solidnu osnovu.

U četvrtoj godini preporuka ide za predmet Multiprocesorski sistemi (opet kod prof. Tomaševića i as. Marka Mišića) koji daje odlična znanja iz distribuiranog računarstva. Obrađuju se teme poput MPI, OpenMP i CUDA platforme koja je fantastičan izbor za deep learning.

Obavezni predmeti vezani za fundamentalna znanja iz računarskih nauka i različite programske jezike (C++ i Java, pre svih) su veoma dobri. Ovo je nešto sa čim ETF nikada nije kuburio.

Na smeru Računarska tehnika i informatika (IR) koji se može izabrati nakon prve godine studija u okviru programa ER se može naučiti isto što i na SI, sa izuzetkom predmeta Neuralne mreže. Ali, za utehu, barem ćete proći kroz mali drill u algebri i matematičkoj analizi.

Poslednji smer na osnovnim studijama vredan pomena je Signali i sistemi (OS) koji se takođe bira nakon prve godine studija. Svi pomenuti predmeti koji se tiču matematike su prisutni, uz dodatak obavezne Matematike 3. Ovaj smer treba posmatrati kao mogućnost sticanja znanja o obradi i analizi signala slike i govora, prepoznavanja oblika. Ne smem da zaboravim upravljanje robotskim i drugim sistemima. Ko je spomenuo self driving cars? Sve ovo podrazumeva dosta matematike i učenje MATLAB-a koji ima široku primenu i solidna je osnova za učenje R-a.

Signali i sistemi su odlična baza kada je u pitanju biomedicina, gde je data science danas vrlo prisutna. Takođe, na smeru OS se nude Neuralne mreže (kod doc. Kvaščeva nikad nije dosadno na časovima) i Veštačka inteligencija (prof. Milosavljević je u ovom odličan). Tu je i mogućnost izbora predmeta sa drugih odseka. Može se izabrati kurs objektnog programiranja (C++ ili Java), pa potom već nahvaljeni Multiprocesorski sistemi.

Moram da napomenem kako nisam studirao ovaj odsek na osnovnim studijama. Pišem isključivo na osnovu iskustava drugih i pravaca u kojima se data science razvija. Ko god da se odluči za ovaj smer će moći da sluša prof. Željka Đurovića koji važi za jednog od najboljih predavača na ETF-u.

Po završetku osnovnih studija, ETF nudi master studije na svim pomenutim odsecima. Ukupno se bira pet predmeta, od toga barem 3 moraju biti sa odseka koji je upisan. Samo ću navesti sve predmete za koje smatram da su korisni za data science

Na odseku SI će se nuditi Funkcionalno programiranje (Scala), a tu je i Softversko inženjerstvo velikih baza podataka. Za sve oni koji su ih eventualno “preskočili” na osnovnim studijama, dostupni su Inteligentni sistemi.

Sa IR mogu izdvojiti Pronalaženje skrivenog znanja (Data Mining), Računarstvo u biomedicini i Genomska informatika. Za ove predmete je do sad bio zadužen prof. Veljko Milutinović. Ne bih smeo da tvrdim 100%, ali neki od ovih predmeta su bili realizovani uz pomoć inženjera Seven Bridges Genomics.

Signali i sistemi takođe imaju šta da ponude – pre svega sve spomenute (nama značajne) predmete sa osnovnih studija. Dodatak su predmeti Statistička klasifikacija signala (radi se projekat uz korišćenje nekog algoritma mašinskog učenja), Metode soft-computinga i Kompjuterska vizija.

Na kraju, postoji master smer posvećen primenjenoj matematici. U okviru njega je moguće nadograditi postojeća matematička znanja. Nude se predmeti Matematička statistika i Veštačka inteligencija. Dosta prostora je posvećeno numeričkom izračunavanju i metodama.

Da li je ETF fakultet za data science? Osnovne studije daju dobro programersko znanje i prgršt matematike. Ipak, teško da je to baš data science. Jedan od razloga je to što vam verovatno niko neće ni spomenuti data science. Samim tim, mnogi od predmeta će se učiniti dosadnim i nepotrebnim. Master na ETF-u zaista nudi mogućnost da birajući predmete sa različith smerova “skockate” sasvim solidno big data ili machine learning usmerenje.

Iako sam alumnista Elektrotehničkog fakulteta, ne isključujem da sam neku informaciju slučajno možda izostavio. Nadam da će se naći bivši ili sadašnji student koji će me eventualno ispraviti ili dopuniti.

U sledećem tekstu analiziramo Fakultet organizacionih nauka…

5 replies
  1. Nemanja Radojković
    Nemanja Radojković says:

    Signali i Sistemi definitivno pružaju solidnu osnovu za teoretsku stranu Data Science profesije.

    “Stohastički sistemi i estimacija” se mogu nazvati uvodom u statistiku za inženjere.
    “Modeliranje i identifikacija procesa”, samo ime kaže.
    “Prepoznavanje oblika” (a.k.a. Pattern recognition) kod Đurovića je mesto gde sam prvi put slušao o testiranju hipoteza, ekstrakciji obeležja, redukciji dimenzionalnosti, etc.

    Uglavnom, ono što im definitivno nedostaje je nekoliko savremenih DS kurseva, koji bi sve to povezali i prošli kroz ceo Data Processing pipeline na jedan praktičan način, koristeći praktične alate, a ne samo MATLAB, koji niko živi van akademije ne koristi (skoro).

  2. Branko Kovač
    Branko Kovač says:

    Marko, da li imaš na umu Master iz Primenjene statistike na Univerzitetskom centru za primenjenu statistiku? O tom master programu ću sigurno pisati.

Comments are closed.