LLL kursevi - drugi ciklus

U okviru ADA projekta će u toku februara i marta 2022. godine biti organizovan drugi ciklus LLL kurseva, namenjenih pre svega unapređenju znanja zaposlenih, i to pre svega iz oblasti napredne analize podataka. Kao i prvi, i drugi ciklus će biti, zbog trenutne epidemiološke situacije, organizovan online.

Zainteresovani se mogu prijaviti (za jedan ili dva kursa) do 25. februara 2022. godine, i to e-mailom na ada@uni.kg.ac.rs. U poruci navesti ime i prezime, afilijaciju, kurs(eve) za koje se kandidat prijavljuje i e-mail adresu za dalju komunikaciju.

Svi polaznici koji odslušaju kurseve za koje su se prijavili će dobiti odgovarajuće sertifikate.

Ponuđeni su sledeći kursevi:

Ronald Hochreiter

Associate Professor

Vienna University of Economics and Business, Austria

Managerial Artificial Intelligence – The Art of Modeling Success

Nivo: Početni

Jezik: Engleski

Termin: 1. i 8. mart – 14-18h

Sadržaj/Content:

The hype surrounding Artificial Intelligence especially due to the public perception of applications of Deep Learning for various image classification as well as game playing revolutions (Deep Mind AlphaGo) led to the believe that these methods can be used as a Black Box to solve all business and management problems automatically. However, most AI success stories do not translate to business problems, because in the case of image processing we are basically only concerned with two dimensions (of the images) and game playing advanced (see e.g. chess and DeepBlue) have shown to be very problematic when applied to management problems which are often concerned with humans or markets where the unavailability of all required data is prevalent. Many companies hire AI consultants and AI startups plainly out of FOMO and are disappointed by the results.

In this course we are putting AI in relation to Expectation Management, i.e. what can be done and how it can be done. A second important part is concerned with the understanding the language of Data Scientists without Mathematics. The content of this course is as follows:

– Introduction to Artificial Intelligence for Business and Management

– Real-World Feature Engineering

– The Art of Modeling Data – Machine Learning, Statistical Learning and Deep Learning

– A taxonomy of Machine Learning models and how to relate models to business problems

– Working with Text – Text Mining and Natural Language Processing

Alessio Farcomeni

Professor at the University of Rome Tor Vergata, Italy

Francesco Dotto

Professor at the University of Rome Tor Vergata, Italy

Unsupervised Learning

Nivo: Viši

Jezik: Engleski

Termin: 22. i 24 februar i 1. mart – 09-11h i 14-16h

Sadržaj/Content:

The course is intended to the professionals in the areas of data science, business, marketing, etc. It introduces ideas in cluster analysis, with special attention to k-means, its interpretation, and choice of the number of clusters. Additionally, we discuss dimension reduction approaches for data visualization, construction of optimal summaries, and ranking. The running example will be that of Principal Components Analysis.

 

Jason Papathanasiou

Associate Professor

University of Macedonia and CERTH, Greece

Multiple Criteria Decision Making

Nivo: Početni

Jezik: Engleski

Termin: 28. februar, 7. i 14. mart – 16-19h

Sadržaj/Content:

Decision problems, such as those of classification, ranking, and optimal choice between a set of alternative actions, are common in the modern business environment and almost always the decision-maker has to take into account many conflicting and different criteria. The problems, whether they concern the strategic, the tactical, or the daily business level of decision making, are complex and the ideal solution in most cases is almost impossible. The primary goal of the course is to familiarize participants with the basic concepts of multiple criteria decision theory and modeling and also focus on two relevant methodologies for making administrative decisions. More specifically the following methods will be presented:

  • Preference Ranking Organization METHod for Enriched Evaluation (PROMETHEE)
  • Technique of Order Preference Similarity to the Ideal Solution (TOPSIS)

Srđan Marinković

Redovni profesor

Ekonomski fakultet

Univerzitet u Nišu

Marko Petković

Redovni profesor

Prirodno-matematički fakultet

Univerzitet u Nišu

Kvantitativne finansije

Nivo: Srednji

Jezik: Srpski

Termin: 10., 11. i 12 mart – 17-19h

Sadržaj/Content: Cilj kursa je da proširi znanje polaznika o analitici finansijskog tržišta, kao i razumevanje praktičara o različitim segmentima finansijskih tržišta: tržište obveznica, akcija i derivata. Ovaj kurs je pripremni korak u istraživanju napredne analize podataka u finansijama. Pogodan je za one koji traže poslove u finansijama, brokerskim kućama, investicionim bankama i kompanijama, dilerskim odeljenjima komercijalnih banaka, osiguravajućim kompanijama,  itd.

Očekivani rezultati: Sposobnost analize i donošenja investicionih i finansijskih odluka zasnovanih na kvantitativnim podacima. Sposobnost izdvajanja informacija o transakcijskim cenama, prinosima i prometu sa relevantnih tržišta i od provajdera podataka, kao i obrada informacija za donošenje odluka u vezi sa ulaganjima u hartije od vrednosti.

Preduslovi: osnovna znanja iz finansija i ekonomije, matematička i računska pismenost.

Teme:

  • Uloga finansija i finansijskih instrumenata (direktno i posredničko finansiranje, berzansko i vanberzansko tržište)
  • Vrste finansijskih instrumenata, hartija od vrednosti i ugovora (kratkoročne hartije od vrednosti, obveznice, akcije, derivati itd.)
  • Podaci sa finansijskih tržišta (transakcijske cene, podaci o prinosima i prometu, izvori podataka, provajderi podataka)
  • Procena finansijske imovine – osnovni koncepti (Cash Flow, Sadašnja vrednost, Buduća vrednost, Interna stopa prinosa)
  • Uvod u CAPM (optimalni portfolio, jednofaktorski model, Beta, Alpha itd.)

Vladimir Ranković

Redovni profesor

Ekonomski fakultet

Univerzitet u Kragujevcu

Andrija Đonić

Saradnik u nastavi

Ekonomski fakultet

Univerzitet u Kragujevcu

Veštačka inteligencija za praktičare

Nivo: Početni

Jezik: Srpski

Termin: 8, 9. i 10. 15, 16. i 17. mart – 17-20h

Sadržaj:

Cilj kursa je da pruži osnovna znanja i veštine iz oblasti veštačke inteligencije, analize podataka i odgovarajućih softverskih alata. Kurs kombinuje teorijske osnove mašinskog učenja i veštačke inteligencije i praktične veštine kako bi omogućio praktičarima da rešavaju realne probleme u svojim poslovnim okruženjima primenjujući najmodernije alate i tehnike. Praktičari će naučiti koncepte i metode koje mogu poboljšati proces poslovnog odlučivanja izvlačenjem bitnih poslovnih informacija iz dostupnih operativnih podataka kompanije. Nakon završetka ovog kursa, polaznici će biti u stanju da:

• koriste odgovarajuće alate za vizuelizaciju podataka;

• koristi tehnike mašinskog učenja i poslovne inteligencije u rešavanju poslovnih problema;

• otkrivaju obrasce u poslovnim podacima koristeći tehnike mašinskog učenja grupisanja, klasifikacije, asocijacije, regresije i stabala odlučivanja; i

• primenjuju odgovarajuće pristupe vizuelizacije podataka u cilju jasne komunikacije sa saradnicima.

Kurs je namenjen menadžerima prodaje, marketing menadžerima, menadžerima odnosa sa kupcima i drugim praktičarima čiji posao obuhvata složeno donošenje odluka na osnovu velike količine podataka.