Uvod u analitiku podataka, strojno učenje i umjetnu inteligenciju. Koncepti, terminologija i područja primjene. Područja analitike podataka, strojnog učenja i dubokog učenja. Utjecaj analitike podataka i umjetne inteligencije na tehnologiju i društvo. Komparativna analiza klasičnog modeliranja i modeliranja s podacima. Prediktivni modeli i učenje iz podataka. Opseg i upravljanje inicijativama i projektima strojnog učenja. Pretpostavke, izgradnja i razvoj projekata strojnog učenja u industriji. Digitizacija i digitalizacija. Umjetna inteligencija, Industrija 4.0 i pridruženi koncepti. Koncept pametnih gradova. Tijek procesa u analitici podataka. Deskriptivni, dijagnostički, prediktivni i preskriptivni pristup. Priprema podataka i vizualizacija. Pregled metoda strojnog učenja. Nadzirano i nenadzirano učenje. Regresija i klasifikacija. Klasteriziranje podataka. Modeliranje u vremenskoj domeni. Duboko učenje. Strojno učenje i optimizacija. Tijek procesa izrade modela temeljenih na metodama strojnog učenja. Validacija i testiranje. Analiza osjetljivosti i nesigurnosti modela strojnog učenja. Optimizacija i donošenje odluka u industrijskom inženjerstvu i menadžmentu. Primjene linearnog programiranja, mješovitog cjelobrojnog linearnog programiranja i nelinearnog programiranja. Integriranje nelinearnog programiranja i strojnog učenja. Diskusija rezultata i donošenje odluka.