Циљ овог рада јесте да на систематичан и компаративан начин представи протоколе за повезивање IoT (Internet of Things) система у контексту реализације паметних градова, узимајући у обзир технологије на којима се ти протоколи заснивају. Посебан акценат ставља се на анализу њихових техничких карактеристика, домета, енергетске ефикасности, мобилности, скалабилности и поузданости, како би се у складу са специфичним захтевима корисника и конкретним сценаријима примене, омогућио избор оптималног решења.

Овај рад истражује како статистичко тумачење утиче на доношење одлука у пројектима и како погрешни закључци могу произаћи из агрегације, узорковања, структуре подгрупа и индикатора ретких догађаја. Рад даје преглед кључних статистичких основа релевантних за управљање пројектима и систематизује главне парадоксе и заблуде, укључујући Симпсонов парадокс, Берксонов парадокс, пристрасност преживелих (survivorship bias), Вил Роџерсов феномен, заблуду базне стопе (base rate fallacy), парадокс лажно позитивног резултата и Монте Карло заблуду. Емпиријски део заснован је на онлајн анкети заснованој на сценаријима, са циљем да се процени колико се такви проблеми успешно препознају у реалним пројектним ситуацијама. Рад се завршава препорукама за поузданије извештавање и тумачење пројектних метрика и сигнала ризика.

Како индустрија хотелијерства постаје све комплекснија, потреба за тактикама управљања приходима у циљу унапређења перформанси хотела наставља да расте. Ефикасно управљање приходима у великој мери се ослања на напредне информационе системе. Посебно су стратегије одређивања цена значајно еволуирале – прелазећи са статичког одређивања цена на динамичко одређивање цена вођено алгоритмима у комплекснијим хотелским окружењима. На основу наших практичних увда, овај рад даје преглед суштинских система за резервације и дистрибуцију који подржавају ефикасно пословање хотела, као и алата за управљање приходима и формирање цена дизајнираних за оптимизацију капацитета и максимизацију прихода.

Овај рад представља развој система за аутоматско превођење српског природног језика у SQL упите, познатог као Text-to-SQL задатак. Развијени систем адресира кључни изазов приступачности релационих база података корисницима без техничког знања о SQL синтакси, уз додатну комплексност рада са српским језиком за који не постоје јавно доступни скупови података за овај задатак. Систем је реализован као вишеслојна архитектура која се састоји од четири компоненте. Прва компонента је хибридни модул (NER – embedding модел). Друга компонента је модул за формирање структурираног инпута који преводи екстраховане ентитете у линеаризовани формат погодан за неуралну мрежу. Трећа компонента је Encoder-Decoder Transformer модел трениран од нуле. Четврта компонента је модул за аутоматско генерисање тренинг података који из шеме базе података креира парове покривајући девет типова SQL упита.

Имплементација дистрибуираних система доноси сложене изазове у погледу поузданости, због чега примарни циљ апликације често остаје у сенци комплексних механизама за управљање грешкама. Овај рад истражује концепт трајног извршавања, који омогућава прелазак са реактивног и дефанзивног програмирања на модел у којем је поузданост инхерентна карактеристика саме платформе за извршавање. У циљу превазилажења недостатака традиционалних механизама поузданости, анализирани су принципи трајног извршавања Temporal платформе, која гарантује очување стања процеса чак и након прекида рада система. Примарни циљ рада остварен је кроз практичну имплементацију поступка медикаментозне реконцилијације коришћењем Temporal платформе, чиме је приказана ефикасност трајног извршавања у реалном окружењу.

Овај рад приказује процес пројектовања и имплементације веб базираног ЕРП система заснованог на микросервисној архитектури. Описани су примењени архитектонски обрасци, структура базе података, безбедносни механизми, као и специфичан модул за аутоматизацију генерисања и дистрибуције пословне документације. Резултат рада представља функционалан софтверски систем који демонстрира примену савремених технологија у развоју пословних апликација, уз анализу могућности његовог даљег развоја.

Рачунарство у облаку отвара могућности једноставног управљања апликацијама, попут контејнерских апликација. Провајдери попут Google Cloud-a нуде решења Kubernetes-a као услуге. Ипак, овакви системи често су ван буџета мањих пројеката. У овом раду представљамо економично решење за Kubernetes кластер, које смањује цену по рачунарском ресурсу и до 93%, користећи Terraform, NixOS и Hetzner Cloud.

У овом раду се испитује скалирање система SRPhon2Word за препознавање изоловано изговорених српских речи партиционисањем лексикона и реплицирањем радника у микросервисној архитектури, уз анализу времена извршавања и процењеног трошка. У локалном експерименту који симулира дата центар, четири партиције повећале су брзину претраге динамичким савијањем времена 2,16 пута и ефективну пропусност засићеног таласа 2,14 пута, док су четири реплике повећале исту пропусност 3,51 пута. Рано заустављање у коришћеном обичном режиму штити првопласираног кандидата, а исти поступак може се проширити на првих r кандидата.

Рад је организован кроз теоријски преглед области, анализу захтева и случајева коришћења, пројектовање архитектуре и базе података, као и имплементацију клијентског и серверског дела система. Посебно су обрађени безбедност, интеграција са AWS сервисима, CI/CD процес, тестирање система и резултат рада.

Рак плућа остаје један од водећих узрока смртности повезане са раком широм света, због чега прецизна карактеризација плућних чворића представља важан дијагностички изазов [1], [2]. Овај рад истражује примену тродимензионалних конволуционих неуронских мрежа (3D CNN) и фракталне анализе за класификацију плућних чворића на снимцима компјутеризоване томографије (ЦТ). Истраживање је спроведено коришћењем јавно доступног LIDC-IDRI скупа података. Након претпроцесирања и искључивања чворића са неодређеном оценом малигнитета, формиран је скуп података за бинарну класификацију који садржи 1.651 чворић. Имплементиран је и евалуиран основни 3D CNN модел, након чега је урађена статистичка анализа фракталне димензије методом бројања кутија (box-counting) и развијени хибридни модели који комбинују обележја дубоког учења са ручно пројектованим квантитативним карактеристикама. Статистичка анализа је показала да малигни чворићи испољавају значајно више просечне вредности фракталне димензије у односу на бенигне чвориће (p = 0,01348), иако је величина ефекта била мала (Коенов d = 0,13). Основни 3D CNN остварио је тачност од 77,42%, док је хибридни модел који комбинује 3D CNN обележја и фракталну димензију достигао 80,08%. Најбоље резултате остварио је проширени хибридни модел који интегрише 3D CNN обележја, фракталну димензију и пречник чворића, достигавши тачност од 80,88%, F1-score од 0,6923 и ROC AUC од 0,8579. Наоди указују на то да комбиновање дубоког учења са интерпретабилним квантитативним карактеристикама може унапредити класификацију плућних чворића и подржати развој поузданијих система за рачунарски потпомогнуту дијагностику.

У раду је представљена практична интеграција Oracle NoSQL Database Cloud Service система и Apache Spark платформе у Databricks окружењу ради складиштења и дистрибуиране аналитичке обраде података. Испитана је расподела операција између складишног и аналитичког слоја поређењем филтрирања података у Oracle NoSQL систему и Apache Spark платформи. Резултати експеримента показују да је филтрирањем пре преноса број записа прослеђених аналитичком слоју смањен за 80,9%, уз 10,48% краће просечно време извршавања у посматраном експерименталном окружењу.