Šta se uči na Data Science (analiza podataka i mašinsko učenje) programu: kompletan vodič kroz svih 5 modula

Svaki modul može da se upiše zasebno, ali je preporuka da prođeš kroz celu obuku i stekneš sveobuhvatno znanje. 

PREGLED OBUKE

Časovi učenja: 365h (od čega 210 časova sa predavačem, a samostalno učenje uz podršku i konsultacije sa mentorom) 

Broj zadataka: 435 

Praktičan rad: 80% 

Predavanja: vikendom - online

U nastvaku te vodimo kroz svaki modul kako bi znao šta tačno dobijaš i kojim redosledom gradiš svoje kompetencije. 

1. Uvod u analizu podataka (Data Analysis Fundamentals) 

Ovaj modul postavlja temelje — razumevanje procesa analize podataka, načina postavljanja problema i osnovnih statističkih koncepata. Učiš kako da identifikuješ prave metrike, razumeš deskriptivnu statistiku i analiziraš strukturu podataka pre nego što počneš da koristiš napredne tehnike. 

U modulu se prelozi kroz: 

• osnove statistike (descriptive statistics) i rada s promenljivim vrednostima, 
• istraživanje podataka (exploratory data analysis), 
• uvod u linearnu regresiju (linear regression), 
• uvod u mašinsko učenje (machine learning basics) kroz najjednostavnije modele. 

Poseban deo posvećen je data storytelling-u i vizuelnom predstavljanju podataka, ali i osnovama A/B testiranja (A/B testing) kroz primere iz marketinga, produkt menadžmenta i e-commerce industrije. Modul se završava praktičnom radionicom. 

PREGLED MODULA UVOD U ANALIZU PODATAKA

Časovi predavanja: 28h 

Samostalno učenje: 30h 

Broj zadataka: 39

 

2. SQL u analizi podataka (SQL for Data Analysis) 

SQL je jedan od ključnih alata svakog analitičara. U ovom modulu učiš kako se podaci čuvaju, kako se kreiraju relacije i kako da precizno izvlačiš informacije koje su ti potrebne. 

Obrađuje se: 

• filtriranje i formatiranje rezultata (filtering & formatting), 
• objedinjavanje podataka kroz UNION i subqueries, 
• tipovi relacija i tipovi JOIN operacija, 
• rad sa datumima (datetime functions), 
• napredne agregacije i window functions, 
• hijerarhijsko grupisanje pomoću ROLLUP funkcije. 

Nakon toga ulaziš u proceduralni SQL gde se savladavaju kontrola toka, transakcije, ugrađene funkcije, petlje i kursori — alati koji omogućavaju da pišeš kompleksne logike nad bazom podataka. 

PREGLED MODULA SQL U ANALIZI PODATAKA 

Časovi predavanja: 28h 

Samostalno učenje: 30h 

Broj zadataka: 64 

 

3. Python za analizu podataka (Python for Data Analysis) 

Python je najčešće korišćen programski jezik u svetu analitike i Data Science-a. Modul počinje osnovama programiranja — varijable, funkcije, liste, tuple, stringovi — a zatim prelazi na rad sa objektima, fajlovima i bibliotekama. 

Kroz praktične primere savladavaš: 

• rad sa bibliotekama kao što je Pandas, 
• učitavanje, filtriranje, spajanje i transformaciju podataka, 
• rad sa bazama kroz SQL, JSON format i API pozive, 
• obradu datuma, pivot tabele i naprednu manipulaciju datasetovima. 

U posebnom delu modula radi se uvod u web scraping (uvod u HTML, Web scraping u Python-u, BS element). Uči se i generisanje PDF dokumenata. 

Modul se završava radionicom na realnim datasetovima.

PREGLED MODULA PYTHON U ANALIZI PODATAKA 

Časovi predavanja: 70h 

Samostalno učenje: 35h 

Broj zadataka: 131 

 

4. Vizualizacija podataka (Data Visualization) 

Podaci nemaju vrednost ako ne znamo da ih jasno prikažemo. Ovaj modul uči te kako da informaciju pretvoriš u priču, a brojke u vizuelne uvide. 

Obrađuju se: 

• teorija vizualizacije (data visualization theory), 
• rad u bibliotekama Seaborn, Plotly, Dash, kao i Geo bibliotekama za rad sa mapama, 
• rad sa koordinatnim sistemima i različitim formatima mapa (Geopandas, Geometry, GeoSeries, GeoDataFrame osm, Geojson, Shapefile, Mapbox), 
• izrada interaktivnih analitičkih aplikacija uz Dash framework, rad sa Networkx  
• Tableau i napredne integracije u Tableau-u (Tableau + Mapbox, Tableau + Python). 

Modul završava izradom sopstvene vizualizacije i mini dashboard-a. 

PREGLED MODULA VIZUALIZACIJA PODATAKA 

Časovi predavanja: 42h 

Samostalno učenje: 30h 

Broj zadataka: 133 

 

5. Mašinsko učenje (Machine Learning) 

Poslednji i najnapredniji deo programa uvodi te u svet modela koji predviđaju, klasifikuju i uče iz podataka. Ovo je korak dalje od same analze podataka. 

U modulu se obrađuju: 

• osnove mašinskog učenja (machine learning fundamentals), 
• regresija (regression) i klasifikacija (classification), 
• neuralne mreže (neural networks), 
• Natural Language Processing (NLP), 
• modeli bez nadzora (unsupervised learning). 

Kroz praktične radionice radiš na podacima iz realnih domena: finansija, marketinga, e-commerce-a, industrije i društvenih mreža. 

Program se završava radom na finalnom projektu koji je odlična polazna osnova za portfolio. 

PREGLED MODULA MAŠINSKO UČENJE  

Časovi predavanja: 42h  

Samostalno učenje: 30h  

Broj zadataka: 68 

 

Šta dobijaš nakon programa? 

Nakon 365 sati učenja, 435 zadataka i pet modula, posedovaćeš znanja iz programiranja, SQL-a, napredne analize podataka, vizualizacije i mašinskog učenja — kao i gotov projekat koji pokazuje tvoje sposobnosti. Program te osposobljava za prve analitičke pozicije ili omogućava snažan napredak u postojećoj karijeri. 

Pristup svim materijalima i snimcima sa predavanja imaš još 6 meseci nakon zvaničnog završetka obuke, a svi polaznici koji uspešno završe obuku, predaju sve projekte i polože testove dobiće Coders Lab sertifikat. 

Početak obuke: 24.01.2026. - 26.09.2026.

Trajanje obuke: 8 meseci

Model: vikend predavanja

Časovi: online u stvarnom vremenu

Cena: 2600 evra za plaćanje na šest rata, 10% popusta za plaćanje u celosti - 2340 evra. 

PRIJAVI SE

Za više informacija kontaktiraj nas na: office@coderslab.rs ili pozovi savetnicu za obuke Saru na +381 66 804 8281.