Интелигентни мобилни апликации

Интелигентни мобилни апликации

1.

Наслов на наставниот предмет

Интелигентни мобилни апликации

Smart mobile applications

2.

Код

m23_s_035

3.

Студиска програма

Пресметување во облак, Управување во информатички технологии, Биоинформатика, Безбедност, криптографија и кодирање, Еко-информатика, Интернет технологии и сајбер безбедност, Компјутерски науки, Статистика и аналитика на податоци, Софтвер за вградливи системи, Пресметување во облак, Управување во информатички технологии, Биоинформатика, Безбедност, криптографија и кодирање, Статистика и аналитика на податоци, Data science in computer science and engineering, Едукација со ИКТ, Интелигентни системи, Софтверско инженерство, Софтверско инженерство,

4.

Организатор на студиската програма (единица, односно институт, катедра, оддел)

Факултет за информатички науки и компјутерско инженерство

5.

Степен (прв, втор, трет циклус)

Втор циклус

6.

Академска година / семестар

5 / Летен

7. Број на ЕКТС кредити

6.0

8.

Наставник

ворн. проф. д-р Ефтим Здравевски ворн. проф. д-р Петре Ламески

9.

Предуслови за запишување на предметот

10.

Цели на предметната програма (компетенции):


Во рамките на овој предмет, студентите ќе се запознаат со можностите за дизајн и развој на интелигентни апликации на мобилни уреди, со користење на постоечките библиотеки. Студентите ќе бидат оспособени за интеграција на алгоритми од машинско учење и вештачка интелигенција со мобилните апликации на различни платформи.

11.

Содржина на предметната програма:


Оперативни системи кои поддржуваат развој на интелигентни мобилни апликации. Преглед на алгоритмите и библиотеките за интелигентни мобилни апликации. Развој на интелигентна мобилна апликација за една од популарните платформи. Интеграција на модели тренирани со други платформи со мобилната апликација. Предизвици при развојот на интелигентни мобилни апликации. Студии на случај.

12.

Методи на учење:


Предавања поддржани со презентации преку слајдови, интерактивни предавања, вежби (користење на опрема и софтверски пакети), тимска работа, пример случаи, поканети гости предавачи, самостојна изработка и одбрана на проектна задача и семинарска работа, учење во електронско опкружување (форуми, консултации).

13.

Вкупен расположив фонд на време

6.0 ЕКТС x 30 часа = 180 часа

14.

Распределба на расположивото време

60 + 0 + 45 + 45 + 30 = 180 часа

15.

Форми на наставните активности

15.1.

Предавања- теоретска настава

60 часови

15.2.

Вежби (лабораториски, аудиториски), семинари, тимска работа

0 часови

16.

Други форми на активности

16.1.

Проектни задачи

45 часови

16.2.

Самостојни задачи

45 часови

16.3.

Домашно учење

30 часови

17.

Начин на оценување

17.1.

Тестови

15 бодови

17.2.

Семинарска работа/ проект ( презентација: писмена и усна)

45 бодови

17.3.

Активности и учење

15 бодови

17.4.

Завршен испит

0 бодови

18.

Критериуми за оценување (бодови/ оценка)

до 50 бода

5 (пет) (F)

од 51 до 60 бода

6 (шест) (E)

од 61 до 70 бода

7 (седум) (D)

од 71 до 80 бода

8 (осум) (C)

од 81 до 90 бода

9 (девет) (B)

од 91 до 100 бода

10 (десет) (A)

19.

Услов за потпис и полагање на завршен испит

реализирани активности

20.

Јазик на кој се изведува наставата

Македонски и англиски

21.

Метод на следење на квалитетот на наставата

механизам на интерна евалуација и анкети

22.

Литература

22.1.

Задолжителна литература

Ред.бр.

Автор

Наслов

Издавач

Година

6860

Pete Warden

Building Mobile Applications with TensorFlow

O`Reilly

2017

6861

Alexis Perrier

Effective Amazon Machine Learning

Packt

2017

6862

Aurélien Géron

Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems

O`Reilly

2017

6863

Sumit Mund

Microsoft Azure Machine Learning

Packt

2015

22.2.

Дополнителна литература

Ред.бр.

Автор

Наслов

Издавач

Година