Uvod + tutorijal za samostalnu izradu projekta
Kurs je organizovan tako da prvo dobiješ uvod u svaku od tema, a zatim pratiš korak-po-korak tutorijal za samostalnu izradu projekta na izabranu temu
Napredna analiza podataka
Jedini kurs na FON-u koji te vodi korak-po-korak kroz samostalnu izradu kompletnog projekta iz Napredne analize podataka — od izbora i pripreme dataseta, preko klasifikacije, klasterizacije i LLM-ekstrakcije informacija, do evaluacije i interpretacije rezultata. Kroz jasne video-tutorijale i praktične primere učiš da napraviš projekat koji razumeš, možeš da odbraniš i ponovo primeniš na bilo kom datasetu.
Za školsku 2026/27. godinu naš kurs će pokrivati i pripremu za kolokvijum i samostalnu izradu i odbranu projekta. Deo za projekat je dostupan, dok je deo za kolokvijum trenutno u izradi.
- AI i Machine LearningAI i Machine LearningRad sa klasifikacijom teksta, klasterizacijom i LLM-alatima — od pripreme podataka do evaluacije modela u praksi.
- Projekti za CV / portfolioProjekti za CV / portfolioSamostalna izrada kompletnih projekata koje možeš da prikažeš na GitHub-u i dodaš u CV kao praktično iskustvo.
- Organizovano za brzo učenjeOrganizovano za brzo učenjeGradivo je poređano tako da učiš efikasnije: prvo kratka objašnjenja sa šablonskim zadacima, zatim ispravka koda i na kraju zadaci iz rokova — minimalna teorija, maksimalna praksa.
- Video lekcijeVideo lekcijeKratke i jasne video-lekcije + skripte koje možeš da odštampaš ili učiš offline.
- Individualne konsultacije sa mentoromIndividualne konsultacije sa mentoromPišeš kad zapne – kratko objašnjenje, debug ili savet. Nema glupih pitanja.
Šta prelazimo na kursu
Tema 1: Klasifikacija teksta (više modela)
Kreiramo i upoređujemo minimum tri klasifikaciona modela nad tekstom, uz različite reprezentacije i tuning hiper-parametara.
- Odabir preuzimanje dataseta
- TF i TF-IDF vektorizacija
- Word embeddings
- Različiti modeli
- Tuning hiper-parametara
- Analiza metrika
- Interpretacija rezultata
Tema 2: ML vs Zero-shot vs Few-shot
Poređenje klasičnog ML pristupa sa LLM pristupima: zero-shot i few-shotklasifikacija uz promptovanje i evaluaciju.
- Zero-shot prompt za klasifikaciju
- Few-shot prompt sa izabranim primerima
- Evaluacija istim metrikama kao ML
Tema 3: Klasterizacija teksta
Tematsko grupisanje tekstova pomoću embeddings reprezentacije i algoritama klasterizacije, uz tumačenje klastera kroz ključne reči.
- Embeddings model
- Hijerarhijsko klasterovanje
- Ključne reči po klasterima
- Interpretacija klastera
Tema 4: Ekstrakcija informacija + dalje analize
Ekstrahujemo informacije iz teksta (entiteti, aspektni sentiment, datumi) i dopunjujemo dataset. Zatim radimo dodatne analize: EDA, prediktivne ili mrežne.
- Definisanje IE šeme
- LLM ekstrakcija
- Dopuna dataseta novim kolonama
Tema 5: Mrežna analiza
Formiramo mrežu iz prikupljenih ili preuzetih podataka i radimo mrežne metrike, centralnosti i detekciju zajednica, uz interpretaciju u kontekstu.
- Kreiranje/preuzimanje mrežnih podataka
Način polaganja 2026/27
Neobavezni kolokvijum — do 35 poena
Kolokvijum nije obavezan i polaže se isključivo u prvoj kolokvijumskoj nedelji. Sastoji se od jednog praktičnog zadatka koji se radi u računskom centru i nosi do 35 poena. Obuhvata prvu oblast predmeta: text mining, odnosno klasifikaciju i klasterizaciju teksta. Zadatak je po tipu sličan zadacima sa kolokvijuma i ispita iz Veštačke inteligencije.
Samostalni projekat i odbrana — do 65 poena
Izrada i odbrana praktičnog projekta nose do 65 poena. Projekat se radi samostalno, kroz analizu podataka i izradu odgovarajućih modela u skladu sa izabranom temom.
Izbor teme projekta
Među okvirnim temama su: klasifikacija teksta, zero/few-shot pristupi, klasterizacija teksta, LLM ekstrakcija informacija ili mrežna analiza. Fokus je na pravilnoj metodologiji, evaluaciji i interpretaciji rezultata u kontekstu podataka. Pored predloženih tema, možeš da predložiš i drugu temu, pod uslovom da je vezana za oblasti koje se obrađuju u okviru predmeta.
Odbrana u ispitnom roku
Projekat se brani u ispitnim rokovima. Bodovanje predmeta obuhvata kolokvijum do 35 poena i izradu i odbranu projekta do 65 poena.
Prednosti našeg kursa
Napravljen od strane kolega koji su već prošli ispit
Nema prazne teorije. Znaš tačno šta te čeka, gde su cake, kako izgleda ispit i koje zadatke najčešće ponavljaju.
Tu smo za pitanja
Pišeš nam kad zapneš — kratko objašnjenje, debug ili savet. Odgovor stiže brzo, da ne gubiš ritam.
Besplatne online konsultacije
Rezervišeš termin i zajedno prelazimo zadatak. Objašnjenje je prilagođeno tebi — nema glupih pitanja.
Tu smo kad postane teško
Biće dana kad nije lako. I to je normalno. Tu smo da te podignemo, vratimo fokus i podsetimo da možeš mnogo više nego što misliš.
Pravi rokovi od prvog dana
Učimo na zadacima koji zaista dolaze na ispitu. Od starta ste na pravom nivou težine.
Tempo i materijal prilagođeni studentima
Sve je organizovano po težini, kratko i jasno. Bez viška teorije. Svaki korak ima smisao.
Investiraj u znanje
Paketi učenja
Izaberi paket koji odgovara tvojoj pripremi.
Učitavanje cena…
* Svaki korisnik ima personalizovane popuste. Nakon prijave videćete svoj popust i konačnu cenu — može biti niža od ovde prikazane javne cene.
Teachify zajednica
Zapratite nas na Instagramu.
Saveti za učenje, novosti o kursevima i posebne ponude za naše pratioce.
Određeni popusti važiće samo za članove koji prate našu Instagram stranicu.
Poseti @teachify.fonVidimo se na feedu.
@teachify.fon