Откривање на знаење од податоци за животната средина

1.

Наслов на наставниот предмет

Откривање на знаење од податоци за животната средина

Discovering knowledge from environmental data

2.

Код

EI-Z-04

3.

Студиска програма

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

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

проф. д-р Андреја Наумоски проф. д-р Коста Митрески

9.

Предуслови за запишување на предметот

10.

Цели на предметната програма (компетенции):

Запознавање со принципите на откривање на знаење во податоците од животната средина.

11.

Содржина на предметната програма:

1)Вовед во откривање на знаење во податоците од животната средина. 2)Основно знаење и способност за анализа на податоците употребувајќи методи од машинско учење. 3)Употреба на овие методи за анализа на податоците од животната средина. 4) Во склоп на практичната работа, тие ќе бидат тренирани за назависна употреба на некои од машинските методи за откривање на знаење од податоци на животната средина. 5) Вовед во откривање на знаење и методи на машинско учење Стебла на одлучување и регресиски стебла – учење на правилата. Класификација со веројатност, метод на најблизок сосед, откривање на равенки. 6)Примери на апликации на машинско учење во анализа на податоците за животната средина Биолошка класификација на реките (пример: реките од Словенија и Македонија, предикција на биоразгрдливоста.) Моделирање на популациона динамика и на хабитатните живелаишта на мечката, рисот и други. 7)Практична работа со податоците добиени од мерењата, употребувајќи различни методи на машинско учење.

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 + 40 + 60 + 20 = 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

60 часови

16.2.

Самостојни задачи

40 часови

16.3.

Домашно учење

20 часови

17.

Начин на оценување

17.1.

Тестови

45 бодови

17.2.

Семинарска работа/ проект ( презентација: писмена и усна)

60 бодови

17.3.

Активности и учење

10 бодови

17.4.

Завршен испит

100 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 15, 16

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