КЊИГА ПРЕДМЕТА

Mастер академске студије

Студијски програм:
Савремене информационе технологије

1
Студијски програм: Савремене информационе технологије
Назив предмета: МЕТОДОЛОГИЈА НАУЧНО-ИСТРАЖИВАЧКОГ РАДА
Наставник/наставници: Немања Станишић; Милан Туба
Статус предмета: Обавезан
Број ЕСПБ: 6
Услов: /
Циљ предмета
Циљ предмета јесте да се студенти упознају са кључним активностима у процесу истраживања у областима
природних, техничких и рачунарских наука: прикупљањем, коришћењем и правилним навођењем
литерарних извора, дефинисањем истраживачких хипотеза, прикупљањем, процесирањем и анализом
података и извођењем адекватних закључака. Такође, студенти стичу вештине писане комуникације,
аргументације стручних и научних ставова и коришћења савремених софтверских решења за потребе
истраживачког рада.

Исход предмета
Очекује се да студент буде оспособљен да самостално и правилно осмисли и реализује све фазе процеса
научног истраживања.

Садржај предмета
Моделовање на основу емпиријских увида. Дискриминаторни и генеративни модели. Оцена тачности
модела. Фазе истраживачких активности. Дефинисање циља истраживања. Дефинисање истраживачких
хипотеза. Дизајнирање експеримента. Припрема емпиријских података за анализу. Избор адекватног
статистичког теста. Коришћење статистичког софтвера. Извођење закључака на бази резултата
истраживања. Презентовање резултата и комуницирање са научно стручном и академском средином.
Академско писање.

Литература
 Bailey, S. (2014). Academic writing: A handbook for international students. London: Routledge.
 DePoy, E., & Gitlin, L. N. (2016). Introduction to Research: Understanding and Applying Multiple Strategies.
St. Louis, Missouri: Elsevier.
 Field, A. (2017). Discovering Statistics Using IBM SPSS Statistics. SAGE.
 Runeson, P., & Höst, M. (2009). Guidelines for conducting and reporting case study research in software
engineering. Empirical Software Engineering, 14(131). DOI:10.1007/s10664-008-9102-8.

Број часова активне наставе: 4 Теоријска настава: 3 Практична настава: 1

Методе извођења наставе
Предавања и вежбе, интерактивна настава, семинарски радови и менторски рад

Оцена знања (максимални број поена 100)

Предиспитне обавезе поена Завршни испит поена
Активност у току предавања 10 Испит (писмени/усмени) 30
Колоквијум I 30
Колоквијум II 30
Укупно: 70 Укупно: 30

2
Студијски програм: Савремене информационе технологије
Назив предмета: САВРЕМЕНИ РАЧУНАРСКИ СИСТЕМИ
Наставник/наставници: Александар Јевремовић; Миодраг Живковић; Марко Шарац
Статус предмета: обавезан
Број ЕСПБ: 6
Услов: /
Циљ предмета
Циљ овог предмета је да се студенти упознају са савременим рачунарским системима, могућностима њихове
примене и технологијама на којима су они засновани. Додатно, циљ је и да се идентификују данас
најважнији трендови и правци развоја у овој области.

Исход предмета
Очекује се да ће студенти стећи широк увид у рачунарске системе и технологије, почев од њиховог
историјског развоја и главних прекретница у њему, преко данас актуелног стања, до разумевања трендова,
потреба и очекиваних праваца даљег развоја. Могућност повезивања савремених рачунарских система са
носећим информационо-комуникационим технологијама, разумевање принципа њиховог рада, разумевање
функционалних ограничења и безбедносних ризика.

Садржај предмета
Кратак преглед историје развоја рачунарских система. Утицај II светског рата на развој рачунарских
система. Шенонова теорија информација. Почетак развоја вештачке интелигенције. Комерцијални системи и
кориснички интерфејси. Зачетак Интернет мреже. Развој спољне меморије и релационе базе података.
Настанак UNIX-а и C програмског језика. Настанак дигиталне фотографије. Рачунарска обрада текста.
Појава персоналних рачунара. Проблем интелектуалне својине и настанак Фондације за слободан софтвер.
Мултимедија у рачунарским системима. Пословна употреба интернета и .com bubble. Електронска пошта.
Преносиви рачунари. Пословно извештавање. Развој Веб-а. Појава дигиталних валута и крипто-валута. Big
data. Настанак Google-a. Развој телекомуникационих технологија. Видео-конференције. Друштвене мреже.
Рачунарски кластери и облаци. Паметни телефони. Електронска управа. Рачунарски вид и аутономна возила.
Медицинска примена рачунара. 3D штампа.

Литература
 Stallings, W. (2015). Computer Organization and Architecture. Pearson.
 Hennessy, J., Patterson, D. (2017). Computer Architecture - A Quantitative Approach. Morgan Kaufmann.
 Веиновић, М., Јевремовић, А.. (2018). Рачунарске мреже. Београд: Универзитет Сингидунум.

Број часова активне наставе: 4 Теоријска настава: 3 Практична настава: 1

Методе извођења наставе
Предавања, вежбе на рачунару, консултације.

Оцена знања (максимални број поена 100)

Предиспитне обавезе поена Завршни испит поена
Aктивност у току предавања 10 Испит (усмени/писмени) 30
Колоквијум I 30
Kолоквијум II 30
Укупно: 70 Укупно: 30

3
Студијски програм: Савремене информационе технологије
Назив предмета: НАПРЕДНЕ СОФТВЕРСКЕ АРХИТЕКТУРЕ
Наставник/наставници: Небојша Бачанин-Џакула; Ђорђе Обрадовић; Миодраг Живковић
Статус предмета: обавезан
Број ЕСПБ: 6
Услов: /
Циљ предмета
Примарни циљ предмета Напредне софтверске архитектуре је упознавање студената са напредним
принципима и концептима савремених софтверских архитектура сложених и вишеслојних клијент/сервер
система заснованих на технологији дистрибуираних објеката.

Исход предмета
На крају курса очекује се да успешан студент може самостално да изабере оптималну софтверску
архитектуру у зависности од постављених циљева и ограничења система за који је потребно
имплементирати слојевиту апликацију. Студент је компетентант да пројектује вишеслојне, дистрибуиране
софтверске системе засноване на технологијама дистрибуираних објеката. Студент је способан да користи
напредне Java i .NET технологије за имплементирање напредних софтверских архитектура.

Садржај предмета
Појам и дефинисање софтверских архитектура. Основне концепти софтверских архитектура. Преглед и
детаљни приказ напредних концепата софтверских архитектура. Апстракције, дизајн и структура,
комуникација између компоненти, погледи, нефункционални захтеви и шаблони. Преглед софтверских
технолошких middleware платформи: дистрибуирани објекти, системи засовани на порукама, претплатнички
модели, оркестрација сервиса, апликациони сервери. Проблеми класичних софтверских архитектура. Појам,
дефинисање и дизајн савремених софтверских архитектура: монолитна и слојевита архитектура, архитектура
вођена догађајима, архитектура базирана на микрокернелу, микро-сервисна архитектура и просторна
архитектура. Предности и недостаци једне архитектуре у односу на друге. Приступ базама података из
серверских окружења. Управљање конекцијама. Сервиси директоријума. Проналажење објеката.
Технологије и животни циклус дистрибуираних објеката. Управљање заједничких (дељених) ресурса у
дистрибуираним окружењима. Трансакциони режим рада и дистрибуиране трансакције. Објектно-релационо
мапирање. Имплементација апликација заснованих на архитектури вођеној догађајима, архитектури
базираној на микрокернелу и микро-сервисној архитектури коришћењем Java и Java Server Pages (JSP)
технологија, Spring и Spring Boot развојних оквира и Java Persistence Application (JPA) технологије за
потребе објекто-релационог мапирања. Имплементација RESTful i SOAP Веб сервиса применом Microsoft
технологија (ASP.net) и C# програмског језика у интегрисаном развојном окружењу Visual Studio.

Литература
 Martin R.C., Clean Architecture: A Craftsman's Guide to Software Structure and Design (Robert C. Martin
Series) 1st Edition, Prentice Hall, 2017, p. 432.
 Wolff E., Microservices: Flexible Software Architecture 1st Edition, Addison-Wesley Professional, 2016, p.432
 Richards M., Software Architecture Patterns, O’Reilly Media, 2015, p. 46.

Број часова активне наставе: 4 Теоријска настава: 3 Практична настава: 1

Методе извођења наставе
Предавања, консултације, менторски рад, пројектни задаци, испит.

Оцена знања (максимални број поена 100)

Предиспитне обавезе поена Завршни испит поена
Aктивност у току предавања 10 Испит (усмени/писмени) 30
Колоквијум I 30
Kолоквијум II 30
Укупно: 70 Укупно: 30

4
Студијски програм: Савремене информационе технологије
Назив предмета: АЛГОРИТМИ И ТЕХНИКЕ МОДЕЛОВАЊА
Наставник/наставници: Милош Стојменовић; Небојша Бачанин-Џакула; Дејан Живковић
Статус предмета: изборни
Број ЕСПБ: 6
Услов: /
Циљ предмета
Упознавање студената са математичким моделовањем и могућностима имплементације алгоритама за
решавање постављених модела кроз практичне симулације. Оспособљавање студената евалуацију квалитета
резултата тестирањем на стандардним бенчмарк и проблемима из реалног окружења.

Исход предмета
Опште компетенције које ће студенти стећи су анализа, синтеза и предвиђања решења и последица,
овладавања методима, поступцима и процесима истраживања као и примене знања у пракси. На крају курса
очекује се да успешан студент савлада технике математичког моделовања и алгоритме за решавање
постављених модела: а) препозна и разуме примењени приступ у моделовању и ниво детаљности
математичког описа; b) формулише математичке моделе; c) изабере метод, алгоритам и програмски пакет за
имплементирање и решавање формулисаног модела.

Садржај предмета
Моделовање и модели. Категоризација и класификација модела. Оцена параметара модела. Валидација и
верификација. Целобројно програмирање. Целобројни полиедри. Методе гранања и ограничавања. Методе
одсецања. Методе гранања и одсецања. Методе имплицитне енумерације. Минимална разапињућа стабла и
прождрљиви алгоритми. Одређивање најкраћег пута. Одређивање максималног протока у мрежи. Проток са
минималном ценом. Симплекс метода на мрежама. Хамилтонови путеви и проблем трговачког путника.
Разне релаксације проблема трговачког путника. Лин-Кернигхан хеуристика. Проблем више трговачких
путника. Бојење графова. Бојење ивица и чворова графа. Хроматски број графа. Проблем претраживања и
оптимизације. Оптимизација, дискретни (комбинаторни) и непрекидни (глобална оптимизација) НП-тешки
проблеми. Оптимизација са ограничењима и без ограничења. Детерминистички (егзактни) и хеуристички
методи за решавање проблема претраживања и оптимизације. Монте-Карло метода. Метахеуристике
(Генетски алгоритми, Симулирано каљене, Табу-претраживање, Променљиве околине). Алгоритми
инспирисани природом. Алгоритми интелигенције ројева, интезификација и диверсификација. Примери
алгоритама интелигенције ројева. Стандардни бенчмарк проблеми и оцењивање квалитета резултата.
Хибридизације и меметски алгоритми. Практично решавање формулисаних модела применом програмског
пакета MATLAB и додатка Simulink. Имплементација метахеуристика у Java и .NET технологијама.

Литература
 Zeigler B., Muzy A., Kofman E., Theory of Modeling and Simulation 3rd Edition, Elsevier Academic Press,
2019, p. 692.
 Bansal C.J., Singh P.K.,Pal N.R., Evolutionary and Swarm Intelligence Algorithms (Studies in Computational
Intelligence), Springer, 2019, p. 190.
 Yang X.S., Nature-Inspired Optimization Algorithms. Elsevier, 2014, p. 300.

Број часова активне наставе: 4 Теоријска настава: 2 Практична настава: 2

Методе извођења наставе
Предавања, вежбе, консултације, менторски рад, пројектни задаци, испит.

Оцена знања (максимални број поена 100)

Предиспитне обавезе поена Завршни испит поена
Aктивност у току предавања 10 Испит (усмени/писмени) 30
Колоквијум I 30
Kолоквијум II 30
Укупно: 70 Укупно: 30

5
Студијски програм: Савремене информационе технологије
Назив предмета: НАПРЕДНИ КОНЦЕПТИ РАЧУНАРСКЕ БЕЗБЕДНОСТИ
Наставник/наставници: Александар Јевремовић; Марко Шарац
Статус предмета: изборни
Број ЕСПБ: 6
Услов: /
Циљ предмета
Циљ предмета је да се студенти упознају са фундаменталним питањима рачунарске безбедности, напредним
концептима истраживања и примењене праксе као што су: зашто се неке безбедносне технологије
примењују, а друге не, како меримо безбедност рачунарских система, како процењујемо ризик и економске
аспекте безбедности. Са овом основом покривени су најсавременији резултати истраживачких активности у
бројним темама везаним за безбедност софтвера, безбедност на вебу, безбедност и приватност
дистрибуираног рачунарства, мобилним платформама, мрежама и обезбеђење техничке експертизе за
рачунарску безбедност и приватност кроз беле књиге, увида у стандарде и студије о евалуацији
имплементација специфичних криптографских технологија и тема.

Исход предмета
Критичко размишљање/решавање безбедносних проблема. Коришћење аналитичког размишљања приликом
прикупљања и вредновања релевантних информација за ефектно формулисање могућих решења за
безбедносне проблеме или низ безбедносних питања. За ову област најважније, укључивање способности
препознавања потенцијалних последица донете одлуке.

Садржај предмета
Идентификовање слојева ОСИ модела. Заједничке компоненте мрежних протокола. Категоризација претње
и рањивости у мрежи или информационом систему. Одредити компоненте и стратегије за имплементацију
плана безбедности у информационим системима. Идентификовање релевантних правила, принципа и
стандарда који се односе на напредне концепте рачунарске безбедности информационих система (ECRYPT-
CSA, NIST, IAD-NSA CNSA, BSI).

Литература
 Mark Stamp, Introduction to Machine Learning with Applications in Information Security (Chapman &
Hall/Crc), Chapman and Hall/CRC; 1 edition (September 7, 2017), p. 364.
 E. Fritzvold, OmegaTech Series, Cyber Security in Organizations, Independently published (September 9,
2018), p.197.
 M. U. Bokhari, Namrata Agrawal, Dharmendra Saini, Cyber Security Proceedings of CSI 2015, Springer; 1st
ed. 2018 edition (May 5, 2018), p.505.
 Azeem Aleem, Cyber Security A Guide to Fraud Prevention and Building a Secure Framework, Wiley; 1
edition (January 4, 2019), p.192.
 ECRYPT – CSA, Security Evaluations of Implementations, White-box Cryptograph, Cryptography and
Standards, (2016)

Број часова активне наставе: 4 Теоријска настава: 2 Практична настава: 2

Методе извођења наставе
Предавања и вежбе, интерактивна настава, семинарски радови и менторски рад

Оцена знања (максимални број поена 100)

Предиспитне обавезе поена Завршни испит поена
Aктивност у току предавања 10 Испит (усмени/писмени) 30
Колоквијум I 30
Kолоквијум II 30
Укупно: 70 Укупно: 30

6
Студијски програм: Савремене информационе технологије
Назив предмета: ИНТЕЛИГЕНТНИ СИСТЕМИ
Наставник/наставници: Милан Милосављевић; Милош Станковић
Статус предмета: изборни
Број ЕСПБ: 6
Услов: /
Циљ предмета
Циљ овог предмета је да студенти стекну знања и вештине из области интелигентних система заснованих на
техникама неуронских мрежа, фази логике, еволуционог и генетског програмирања. Такође, циљ је да се
студенти упознају са архитектурама и правилима обучавања неуронских мрежа, фази системима
закључивања и принципима генетских и еволуционих метода оптимизације. На крају, циљ је да студенти
овладају комбиновањем метода рачунарске интелигенције у синтези хибридних интелигентних система.

Исход предмета
Очекује се да ће студенти бити компетентни да разумеју базичне принципе неурорачунарства, фази система,
као и генетских и еволуционих система. Такође, очекује се да ће студенти бити способни за анализу и
синтезу ове класе индуктивних система и њихову допуну комплементарним дедуктивним системима
заснованим на директном кодовању експлицитног доменског знања решаваног проблема. На крају, очекује
се да ће студенти овладати програмским алатима и системима за анализу и синтезу интелигентних система.

Садржај предмета
Појам интелигентних система и рачунарске интелигенције. Основне теоријске парадигме: неуро-фази-
еволуциони приступ. Неуронске мреже: архитектуре и правила обучавања. Алгоритам пропагације грешке
уназад. Генерализациона својства вишеслојног перцептрона. Теорема о универзалној апроксимационој
способности вишеслојног перцептрона. Елементи фази логике и фази система. Системи фази закључивања.
Мамданијева фази импликација и суп-мин композиција. Сугенов функционални или Такаги-Сугено-Кангов
модел фази резоновања. Основни елементи генетских алгоритама. Критеријуми прилагођености и
механизми одабирања. Хибридни неуро-фази системи. Синергија неуро-фази система и система заснованих
на знању. Овладавање алатима и програмским системима за синтезу интелигентних система коришћењем
MATLAB Toolboks-oвa.

Литература
 Bishop, C. M. (2016). Pattern Recognition and Machine Learning. New York, NY: Springer.
 Milosavljević, M. (2007). Računarska inteligencija: skripta. Beograd: Elektrotehnički fakultet Univerziteta u
Beogradu.
 Ross, T. J. (2017). Fuzzy logic with engineering applications. Chichester: Wiley.
 Rutkowski, L. (2012). Computational intelligence: Methods and techniques. Berlin: Springer.

Број часова активне наставе: 4 Теоријска настава: 2 Практична настава: 2

Методе извођења наставе
Предавања, вежбе, консултације, менторски рад, пројектни задаци, испит.

Оцена знања (максимални број поена 100)

Предиспитне обавезе поена Завршни испит поена
Aктивност у току предавања 10 Испит (усмени/писмени) 30
Колоквијум I 30
Kолоквијум II 30
Укупно: 70 Укупно: 30

7
Студијски програм: Савремене информационе технологије
Назив предмета: УПРАВЉАЊЕ КРИПТОЛОШКИМ КЉУЧЕВИМА
Наставник/наставници: Младен Веиновић; Саша Адамовић
Статус предмета: изборни
Број ЕСПБ: 6
Услов: /
Циљ предмета
Циљ овог предмета је упознавање студената са теоријским основама и практичним системима за
генерисање, успостављање, дистрибуцију и управљање животним веком криптолошких кључева. Како
тајност у системима заштите почива на тајности криптолошких кључева, циљ је да студенти овладају
природним процесима за генерисање случајних низова, математичким методама за проверу њиховог
квалитета и рачунарским протоколима за успостављање и дистрибуцију кључева. Поред тога, циљ је да се
овлада технолошким фазама, од генерисања до имплементацијe криптолошких кључева у конкретним
софтверским производима, чиме се обезбеђује захтевани квалитет решења.

Исход предмета
Опште компетенције које ће студенти стећи су теоријска знања о генерисању и дистрибуцији криптолошких
кључева и практичне вештине за реализацију модула за управљање кључевима у системима са заштитом.
Очекује се да студенти самостално реализују подршку за управљање криптолошким кључевима у
различитим симетричним и асиметричним шифарским системима. Биће оспособљени за оцене квалитет
реализованог система заштите, да процене време важења кључева, њихову дужину и да реализују исправну
криптолошку синхронизацију и ресинхронизацију кроз рачунарске протоколе. Стечена знања омогућавају
студентима да у пракси примењују безбедносне механизме у софтверским реализацијама и приликом
администрације комплетних информационих система.

Садржај предмета
Случајни и псеудослучајни низови. Генератори случајних низова. Кључеви у симетричним и асиметричним
шифарским системима. Дистрибуција, верификација и коришћење кључева. Компромитација кључева.
Животни циклус кључева. Уништавање кључева. Diffie-Helman протокол за успостављање кључева.
Дигиталне анвелопе за пренос кључева. Дигитални сертификати у PKI системина. SMART картице и њихова
примена као носиоца криптолошких параметара. Приказ практичних система за генерисање и управљање
кључевима. Стандарди и политике заштите који се односе на кључеве. Реализација модула за генерисање,
избор, коришћење, смену и брисање криптолошких кључева у вишеслојним рачунарским протоколима.

Литература
 Kurose, J. F., & Ross, K. W., Computer networking: A top-down approach. Boston: Pearson, 2017,
 Stallings, W., Cryptography and network security: Principles and practice. Boston: Pearson, 2017,
 Schneier B., Applied Cryptography: protocols, Algorithms and Source Code in C, Willey, 2015, p. 784
 Stamp, M., Information security: Principles and practice. Hoboken, N.J: Wiley. 2014, p.606
 Веиновић М., Адамовић С., Криптологија 1: основе за анализу и синтезу шифарских система, Beograd,
Univerzitet Singidunum, 2018, p. 244.

Број часова активне наставе: 4 Теоријска настава: 2 Практична настава: 2

Методе извођења наставе
Предавања, вежбе на рачунару, консултације, практичан рад у форми пројектних активности

Оцена знања (максимални број поена 100)

Предиспитне обавезе поена Завршни испит поена
Aктивност у току предавања 10 Испит (усмени/писмени) 30
Колоквијум I 30
Kолоквијум II 30
Укупно: 70 Укупно: 30

8
Студијски програм: Савремене информационе технологије
Назив предмета: ИСТРАЖИВАЊЕ ПОДАТАКА
Наставник/наставници: Милош Стојменовић; Марина Марјановић-Јаковљевић
Статус предмета: изборни
Број ЕСПБ: 8
Услов: /
Циљ предмета
Упознавање са основама Науке о подацима, њеном савременом технолошком подлогом и свеприсутним
применама у трансформацији доступних података у поуздане информације неопходне у свим сегментима
савременог пословања и одлучивања. Разумевање различите природе података и њихову трансформацију у
структуре и формате погодну за употребу у оквиру савремених интегтисаних програмских система
истраживања података, машинског учења, статистичког моделовања и интерпретације добијених модела.
Подстицање да се на основу хетерогених извора података доступних на интернету, генеришу разумљиве и
провериве узрочно последичне везе неопходне за разумевање појава у савременом дигиталном друштву.

Исход предмета
Опште компетенције које ће студенти стећи су анализа, синтеза и предвиђања генеричких феномена на
основу дигиталног отиска доступних података. Осим тога студенти ће овладати конкретним методима,
поступцима и процесима истраживања података и сврсисходном интерпретацијом њихових модела. Стручни
исход овог предмета обухвата компоненте: разумевање основних концепата прикупљања података,
дескриптивне сумаризације, чишћења, редукције димензионалности и дискретизације; оспособљавање за
самосталну примену основних концепата истраживања података, моделовања, машинског учења и општег
статистичког моделовања; разумевање основних поставки машинског учења; упознавање са типичним
програмским окружењем за ове потребе.

Садржај предмета
Феномен података као дигиталног отиска савремене људске цивилизације. Природа података: нумерички и
категоријални. Инжењерство података: извори, узимање података, агрегација, узорковање, редукција
димензионалности, селекција и екстракција обележја (атрибута). Мере сличности и разликовања.
Класификација: стабла одлучивања, методе најближих суседа, бајесовски класификатори, неуронске мреже.
Регресија: линеарна и логистичка. Кластеровање: базични концепти и алгоритми. Визуализација података.
Интерпретација модела. А/Б тестирање. Елементи машинског учења. Практична настава се извршава у
рачунарској лабораторији у оквиру Anaconda окружења, Jupiter Notebook и Python програмског језика уз
одговарајуће библиотека из домена науке о подацима и машинског учења (NumPy, SciPy, Pandas, Matplotlib,
Scikit-learn, PyTorch, TensorFlow, Keras). Обрада и анализа класа података најчешће присутних на интернету,
као што су: временске серије, слике, текст, говор и музика. Анализе и синтезе генричких система из домена
кластеровања, класификације, регресије, моделовања и предикције временских серија.
Литература
 Laura Igual, Santi SeguíI, Introduction to Data Science: A Python Approach to Concepts, Springer, 2017.
 D. Zinoviev, Data Science Essentials in Python, The Pragmatic Bookshelf, Raleigh, North Carolina, 2016.
 A. Géron, Hands-On Machine Learning with Scikit-Learn and TensorFlow, O’Reilly Media, Inc., 2017.

Број часова активне наставе: 6 Теоријска настава: 3 Практична настава: 3

Методе извођења наставе
Предавања, вежбе на рачунару, консултације, практичан рад у форми пројектних активности.

Оцена знања (максимални број поена 100)

Предиспитне обавезе поена Завршни испит поена
Aктивност у току предавања 10 Испит (усмени/писмени) 30
Колоквијум I 30
Kолоквијум II 30
Укупно: 70 Укупно: 30

9
Студијски програм: Савремене информационе технологије
Назив предмета: БЕЗБЕДНОСНИ МЕХАНИЗМИ И КОНЦЕПТИ BLOCKCHAIN АРХИТЕКТУРE
Наставник/наставници: Александар Јевремовић; Милан Милосављевић; Жарко Милошевић
Статус предмета: изборни
Број ЕСПБ: 8
Услов: /
Циљ предмета
Упознавање студената са основним концептима Блокчејн технологије, њеним предностима и техничким
изазовима у њеном коришћењу, као и са безбедносним аспектима дизајна алгоритама различитих блокчејн
архитектура. Упознавање са основама дистибуираних система који су у основи блокчејн технологије, као и
основним принципима функционисања блокчејн система. Упознавање са примерима три блокчејн
платформе Ethereum, Tendermint и Cosmos које користе различите концепте за постизање консензуса.

Исход предмета
Теоријска знања потребна за анализу и пројектовање децентрализираних блокчејн апликација, као и
разумевање безбедносних аспекте у архитектури разних блокчејн платформи. Стручне компетенције које ће
студенти стећи током курса и кроз рад на пројекту су: имплементација блокчејн апликације за Ethereum
платформу, користећи Solidity програмски језик и уз помоћ разних софтверских алата и окружења као што
су Remix, MetaMask, Atom, web3, NodeJS, Mocha, Ganache, Truffle и Infura; писање блокчејн апликације
користећи Tendermint ABCI; развој blockchain апликације користећи Cosmos SDK.

Садржај предмета
Увод, основни појмови и примери блокчејн система; Proof of work блокчејн системи: Bitcoin и Ethereum;
Основе Ethereum-а, креирање новчаника, једноставан паметни уговор (smart contract), интеракција са
уговором; Ethereum клијенти, Ethereum мрежа, Geth, Parity; Трансакције, паметни уговори и Solidity;
Децентрализоване апликације (Dapps); Ethereum виртуална машина (EVM); Proof of stake блокчејн системи;
Tendermint, консензус алгоритам; Писање блокчејн апликације користећи Tendermint ABCI; Cosmos,
интернет блокчејнова; Развој блокчејн апликације користећи Cosmos SDK; Кратак преглед и упознавање са
другим блокчејн система: Hyperledger Fabric, EOS и Dfinity. Практични рад реализоваће се у рачунарским
лабораторијама са рачунарима који имају инсталиране Ethereum, Tendermint и Cosmos SDK развојне алате.
Имплементација једноставних паметних уговора ће се вршити током семестра и кроз израду пројекта

Литература
 Arvind Narayanan, Joseph Bonneau, Edward W. Felten, Andrew Miller and Steven Goldfeder, ”Bitcoin and
Cryptocurrency Technologies: A Comprehensive Introduction”, Princeton University Press, 2016.
 Andreas Antonopoulos and Gavin Wood, “Mastering Ethereum”, O’Reilly Media, Dec. 2018.
 Xiaoqi Lia, Peng Jianga, Ting Chenb, Xiapu Luoa, and Qiaoyan Wen, “A Survey on the Security of Blockchain
Systems”, in Future Generation Computer Systems, Aug. 2017
 StartIT, “Kako da postaneš blockchain developer - knjige, kursevi, tekstovi i saveti za učenje”, (Aug. 2018).
[Online]. Available: ”https://startit.rs/kako-da-postanes-blockchain-developer-knjige-kursevi-tekstovi-i-saveti-
za-ucenje/

Број часова активне наставе: 6 Теоријска настава: 3 Практична настава: 3

Методе извођења наставе
Предавања, вежбе на рачунару, консултације, практичан рад у форми пројектних активности

Оцена знања (максимални број поена 100)

Предиспитне обавезе поена Завршни испит поена
Aктивност у току предавања 10 Испит (усмени/писмени) 30
Колоквијум I 30
Kолоквијум II 30
Укупно: 70 Укупно: 30

10
Студијски програм: Савремене информационе технологије
Назив предмета: СТУДИЈСКО-ИСТРАЖИВАЧКИ РАД
Наставник/наставници: Одабрани наставник
Статус предмета: обавезан
Број ЕСПБ: 7
Услов: /
Циљ предмета
Циљ студијског истраживачког рада је да студент, применом стечених научних сазнања, способности и
академских вештина на мастер академским студијама, спроведе истраживање у области савремених
информационих технологија, као и изради завршног мастер рада. У оквиру СИР-а студент изучава проблем,
његову структуру и сложеност и на основу спроведених анализа изводи закључке о могућим начинима
његовог решавања. Проучавајући литературу студент се упознаје са најновијим сазнањима из области
истраживања, али и методама које могу да се примене за решавање сличних проблема.

Исход предмета
Очекује се да кроз студијски истраживачки рад студент успешно:
1. идентификујe проблем истраживања у оквиру одабране теме за израду завршног мастер рада;
2. примени научне методе истраживања у циљу изналажења адекватних праваца решавања проблема;
3. компетентно, научно и аргументовано истражује и презентује резултате свог рада;
4. истражи релеватну литературу и одговарајуће научне изворе о проблематици која је предмет
истраживања . Оспособљеност студента за укључивање у научно-истраживачки рад, анализу и обраду
добијених резултата истраживања, писање и саопштавање семинарских радова, научних и стручних
радова и израду завршног мастер рада.

Садржај предмета
Израда нацрта научне замисли, формулација проблема, одређивање предмета истраживања. Избор и
формулација теме. Хипотетички оквир истраживања. Планирање и организација истраживања. Прикупљање
и обрада литературе. Прикупљање података. Извори података и класификовањe извора података. Сређивање
и обрада података. Анализа резултата истраживања.

Литература
/

Број часова активне наставе: 14 Теоријска настава: Практична настава:

Методе извођења наставе
 Примена општенаучних метода и посебних метода у рачунарским наукама;
 Емпиријска истраживања у у рачунарским наукама;
 Оперативне методе прикупљања података, као и оцена и анализа резултата истраживања.

Оцена знања (максимални број поена 100)

Током реализације студијског истраживачког рада, ментор у договору са студентом врши избор теме за
истраживања, даје потребна објашњења у циљу лакшег разумевања материје: даје упутства студенту у вези
претраживања, анализе и обраде стручне и научне литературе и резултата истраживања у циљу што
квалитетније припреме за израду и одбрану завршног мастер рада.

11
Студијски програм: Савремене информационе технологије
Назив предмета: СТРУЧНА ПРАКСА
Број часова (П+В): 90 сати током семестра
Наставник/наставници: Одабрани наставник
Статус предмета: обавезан
Број ЕСПБ: 3
Услов: /
Циљ предмета
Циљ студијске праксе је да студенти примене стечена знања и вештине у решавању конкретних реалних
проблема и унапређење њихових способности за успешну примену стручних и научних сазнања и метода у
датим практичним ситуацијама. Такође, овај предмет има за циљ да унапреди способности студената за
успешну примену академског знања и вештина у области методологије, успостављању истраживања и
приказа добијених резултата, њихивој анализи и тумачењу.
Исход предмета
Очекује се да ће студент бити оспособљен да осмисли и реализује приступ везан за конкретан проблем у
идентификовању и управљању процесима у информационим системима (CMMI), примењивању
одговарајућих алате и техника дигиталне форензике, анализирању, пројектовању и имплементирању
савремених система заштита информација у рачунарима и рачунарским мрежама; применом техника и алата
за истраживање података из домена интелигентних система студенти се оспособљавају да извуку релевантне
информације из постојећих пословних база података које су важне менаџменту за доношење квалитетних
одлука, проучавају и примењују савремене интегрисане информационе технологије.

Садржај предмета
Евалуација зрелости софтверских процеса применом CMMI; примена модела за побољшање софтверских
процеса; управљање пројектом, квалитетом и безбедношћу софтвера; развој интегрисаних информационих
система; примена алата за истраживање података и интелигентних система у циљу побољшања доношења
пословних одлука; имлементација безбедносних сервиса у савременим рачунарским мрежама. Конкретни
примери из праксе у области савремених информационих технологија. Поставка проблема. Планирање
истраживања. Дефинисање методологије, доступност података. Анализа добијених резултата, извођење
закључака и препорука.

Литература

Број часова активне наставе: Теоријска настава: Практична настава:

Методе извођења наставе
Предавања, вежбе, консултације, менторски рад, пројектни задаци, испит.

Оцена знања (максимални број поена 100)

Предиспитне обавезе поена Завршни испит поена
Присуство на пракси и пројектни
70 Одбрана пројектног рада 30
рад из праксе
Укупно: 70 Укупно: 30

12
Студијски програм: Савремене информационе технологије
Назив предмета: ЗАВРШНИ МАСТЕР РАД
Наставник/наставници: Одабрани наставник - ментор
Статус предмета: обавезан
Број ЕСПБ: 12
Услов: Положени предмети првог и другог семестра
Циљ предмета
Израда и јавна одбрана мастер рада је показатељ стечених компетенција потребних за самосталан
истраживачки рад и аналитичку оспособљеност и практичан рад у широком спектру области и институција
чији је примарни предмет делатности и активности усмерен на област савремених информационих
технологија.

Исход предмета
Мастер радом студент интегрише и примењује знања стечена у образовном процесу у решавању конкретних
проблема унутар образовно-научног поља студијског програма. Одбраном мастер рада процес стицања
неопходних стручних знања о техникама рационалног одлучивања, као и логичким/нормативним и
психолошким/емпиријским аспектима доношења одлука у различитим друштвеним и пословним
окружењима се уобличава и студент овим радом показује да је у стању да изложи материју и кључне
закључке стручној, али и широј јавности.

Садржај предмета
Мастер рад представља стручну, писмену обраду одређене теме применом истраживачких техника и научно-
истраживачких метода. Пријава мастер рада је чин и поступак који следи након што студент положи све
испите предвиђене настваним планом, на прописаном обрасцу. Консултације у вези са темом мастер рада
студент обавља са изабраним ментором. Након одлуке Већа департмана за последипломске студије
Универзитета, које оцењује подобност кандидата и теме мастер рада и које одређује ментора и састав
комисије за јавну одбрану мастер рада, студент приступа изради мастер рада, под надзором ментора, а
приступа јавној дбрани након што Комисија поднесе а Веће департмана за последипломске студије
Универзитета Извештај о мастер раду и оцeни да је исти израђен у складу са Стандардима које усваја
Универзитет. Након одбране мастер рада студент стиче звање „мастер информатичар“, право на диплому и
додатак дипломе (диплому суплемент у којој се истиче образовни профил стручњака у области савремених
информационих технологија).

Литература

Број часова активне наставе: Теоријска настава: Практична настава:

Методе извођења наставе
Студент и ментор размењују мишљење и утврђују договор о реализацији теме мастер рада. За време израде
мастер рада ментор даје сугестије студенту и усмерава га да лакше отклони недостатке у одабиру техника и
методологије истраживања, сугерише литературни оквир и литературне јединице. Мастер рад садржи:
садржај, увод, разраду, закључак, литературу, прилоге (ако их има), у обиму од 50 до 100 страница.
Приликом израде мастер рада студент користи адекватан методолошки инструментарујум: методе анализе и
синтезе, индукције и дедукције, компаративну методу, квантиутативне методе, посеб- не методе
истраживања и лабораторијских испитивања и др. Студент мастера, након успешно спроведене провере рада
на плагијаризам, а уз сагласност ментора, предаје 5 примерака мастер рада, укориченог и приређеног у
складу са стандардима и другим техичким карактеристикама утврђеним општим актом Универзитета.

Оцењивање завршног мастер рада (у поенима)

Израда 60
Одбрана 40
Укупно 100

13