Форензика со машинско учење

Форензика со машинско учење

1.

Наслов на наставниот предмет

Форензика со машинско учење

Machine Learning Forensics

2.

Код

m23_s_075

3.

Студиска програма

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

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 Александра Дединец

9.

Предуслови за запишување на предметот

10.

Цели на предметната програма (компетенции):


Целта на курсот е да се: • претстават основните концепти на форензика со машинското учење • анализираат моменталните технологии на форензика со машинско учење • анализираат методологии за примена на машинското учење на податоци релевантни во областа на форензиката

11.

Содржина на предметната програма:


1. Вовед 2. Основи на форензика 3. Основи на машинско и длабоко учење 4. Форензика со примена на машинско учење на текстуални податоци (вклучувајќи и податоци од социјални медиуми) (2 недели) 5. Форензика со примена на машинско учење на слики (2 недели) 6. Форензика со примена на машинско учење на аудио и видео податоци (2 недели) 7. Останати апликации на машинско учење во форензиката

12.

Методи на учење:


NULL

13.

Вкупен расположив фонд на време

6.0 ЕКТС x 30 часа = 180 часа

14.

Распределба на расположивото време

45 + 15 + 30 + 50 + 40 = 180 часа

15.

Форми на наставните активности

15.1.

Предавања- теоретска настава

45 часови

15.2.

Вежби (лабораториски, аудиториски), семинари, тимска работа

15 часови

16.

Други форми на активности

16.1.

Проектни задачи

50 часови

16.2.

Самостојни задачи

30 часови

16.3.

Домашно учење

40 часови

17.

Начин на оценување

17.1.

Тестови

45 бодови

17.2.

Семинарска работа/ проект ( презентација: писмена и усна)

50 бодови

17.3.

Активности и учење

10 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

NULL

20.

Јазик на кој се изведува наставата

NULL

21.

Метод на следење на квалитетот на наставата

NULL

22.

Литература

22.1.

Задолжителна литература

Ред.бр.

Автор

Наслов

Издавач

Година

7707

Mohammad Haroon, Manish Madhava Tripathi and Faiyaz Ahmad

Application of Machine Learning In Forensic Science

IGI Global

2020

7708

Nour Moustafa

Digital Forensics in the Era of Artificial Intelligence

CRC Press

2022

22.2.

Дополнителна литература

Ред.бр.

Автор

Наслов

Издавач

Година