Вовед во рударење на масивни податоци
1. |
Наслов на наставниот предмет |
Вовед во рударење на масивни податоци Introduction to mining massive dataset |
|||||||||||||||||||||||||||||||||
2. |
Код |
F23L3W154 |
|||||||||||||||||||||||||||||||||
3. |
Студиска програма |
Софтверско инженерство и информациски системи, Компјутерски науки, Компјутерско инженерство, Интернет, мрежи и безбедност, Software engineering and information systems, Примена на информациски технологии, Софтверско инженерство и информациски системи, Компјутерски науки, Компјутерско инженерство, Интернет, мрежи и безбедност, Информатичка едукација, Software engineering and information systems, Примена на информациски технологии, Стручни студии за програмирање, Стручни студии за програмирање, Биоинформатика, 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) |
Прв циклус |
|||||||||||||||||||||||||||||||||
6. |
Академска година / семестар 4 / Зимски |
7. Број на ЕКТС кредити 6.0 |
|||||||||||||||||||||||||||||||||
8. |
Наставник |
ворн. проф. д-р Ефтим Здравевски проф. д-р Ѓорѓи Маџаров |
|||||||||||||||||||||||||||||||||
9. |
Предуслови за запишување на предметот |
Алгоритми и податочни структури или Примена на алгоритми и податочни структури |
|||||||||||||||||||||||||||||||||
10. |
Цели на предметната програма (компетенции): Студентите да се запознаат со алгоритмите и техниките на податочно рударење и машинско учење за анализа на големи податочни множества. Фокус ќе биде даден на дистрибуираните платформи како и на начинот на дефинирање и креирање на алгоритми за процесирање и анализа на многу големи податочни множества.
|
||||||||||||||||||||||||||||||||||
11. |
Содржина на предметната програма: Предавања: 1. Вовед во MapReduce 2. Фреквентни множества и асоцијативни правила 3. Барање на најблиски соседи во многу-димензионални податоци, локациски сензитивни хеширања 4. Намалување на димензионалноста (SVD и CUR) 5. Системи на препораки базирани на колаборативно филтрирање 6. Системи на препораки базирани на содржина и хибридни системи за препораки 7. Кластерирање на масивни податочни множества 8. Надгледувано учење кај масивни податочни множества (К-најблиски соседи, апроксимативен К-најблиски соседи) 9. Надгледувано учење кај масивни податочни множества (класификациски и регресиски дрвa) 10. Надгледувано учење кај масивни податочни множества (длабоки невронски мрежи) 11. Континуирана обработка на масивни податоци базирано на прозорец 12. Рударење на податоци репрезентирани со графови Вежби: 1. Примери на MapReduce 2. Градење на асоцијативни правила 3. Употреба на локациски сензитивни хеширања и барање на најблиски соседи во многу-димензионални податоци 4. Употреба на SVD и CUR 5. Работа со алгоритми за препораки базирани на колаборативно филтрирање 6. Работа со алгоритми за препораки базирани на содржина и колаборативно филтрирање 7. Употреба на методи за кластерирање на масивни податочни множества 8. Употреба на методите К-најблиски соседи на реални проблеми 9. Работа со класификациски и регресиски дрвa 10. Работа со длабоки невронски мрежи за анализа на масивни податочни множества (само-надгледувано учење) 11. Работа со алгоритми за континуирана обработка на масивни податоци базирано на прозорец 12. Работа со граф невронски мрежи |
||||||||||||||||||||||||||||||||||
12. |
Методи на учење: Предавања со користење на презентации, 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. |
||||||||||||||||||||||||||||||||||
13. |
Вкупен расположив фонд на време |
6.0 ЕКТС x 30 часа = 180 часа |
|||||||||||||||||||||||||||||||||
14. |
Распределба на расположивото време |
30 + 45 + 0 + 30 + 75 = 180 часа
|
|||||||||||||||||||||||||||||||||
15. |
Форми на наставните активности |
15.1. |
Предавања- теоретска настава |
30 часови |
|||||||||||||||||||||||||||||||
15.2. |
Вежби (лабораториски, аудиториски), семинари, тимска работа |
45 часови |
|||||||||||||||||||||||||||||||||
16. |
Други форми на активности |
16.1. |
Проектни задачи |
30 часови
|
|||||||||||||||||||||||||||||||
16.2. |
Самостојни задачи |
0 часови |
|||||||||||||||||||||||||||||||||
16.3. |
Домашно учење |
75 часови |
|||||||||||||||||||||||||||||||||
17. |
Начин на оценување |
||||||||||||||||||||||||||||||||||
17.1. |
Тестови |
0 бодови |
|||||||||||||||||||||||||||||||||
17.2. |
Семинарска работа/ проект ( презентација: писмена и усна) |
30 бодови |
|||||||||||||||||||||||||||||||||
17.3. |
Активности и учење |
0 бодови |
|||||||||||||||||||||||||||||||||
17.4. |
Завршен испит |
60 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 |
||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||
|
22.2. |
Дополнителна литература |
|
|||||||||||||||||||||||||||||||||