Анализа на податоци од мобилни сензори/извори (Mobile crowdsensing/Participatory sensing/Urban sensing)

1.

Наслов на наставниот предмет

Анализа на податоци од мобилни сензори/извори (Mobile crowdsensing/Participatory sensing/Urban sensing)

Analysis of data from mobile sensors/sources (Mobile crowdsensing/Participatory sensing/Urban sensing)

2.

Код

m23_s_014

3.

Студиска програма

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

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 Билјана Ристеска Стојкоска

9.

Предуслови за запишување на предметот

10.

Цели на предметната програма (компетенции):

Овој курс има за цел да ги запознае студентите со најновите можности кои произлегуваат од интеграцијата и анализа на сензорски податоци од мобилни извори (пр.паметни телефони).

11.

Содржина на предметната програма:

Преглед на постоечки апликации (паметни згради, паметни градови, транспорт, здравствена заштита, енергетска ефикасност итн.). Предизвици при дизајн на системот. Екстракција на сензорски податоци од различни извори (паметни телефони, автомобили и сл.). Анализа на достапноста на овие податоци. Комуникација на уреди во непосредна близина и размена на сензорски податоци преку интернет на нештата (Internet of Things). Оптимизација на сообраќајот во мрежата преку редукција (агрегација или предикција) на податоците. Доверливост на податоците (Trustworthiness). Обработка на масивни податоци (big data) и градење на системи за препораки во облак. Инфраструктура за поврзување на податоците со облакот. Облакот како заеднички агрегат на повеќе провајдери. Потенцијални апликации и идни насоки (јавен транспорт, животна средина, социјални мрежи и паметни енергетски мрежи).

12.

Методи на учење:

Предавања поддржани со презентации преку слајдови, интерактивни предавања, анализа на истражувачки статии и извештаи, вежби, тимска работа, пример случаи, поканети гости предавачи, самостојна изработка и одбрана на домашни задачи и семинарски работи, 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

30 + 15 + 0 + 0 + 0 = 180 часа

15.

Форми на наставните активности

15.1.

Предавања- теоретска настава

30 часови

15.2.

Вежби (лабораториски, аудиториски), семинари, тимска работа

15 часови

16.

Други форми на активности

16.1.

Проектни задачи

0 часови

16.2.

Самостојни задачи

0 часови

16.3.

Домашно учење

0 часови

17.

Начин на оценување

17.1.

Тестови

0 бодови

17.2.

Семинарска работа/ проект ( презентација: писмена и усна)

0 бодови

17.3.

Активности и учење

0 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 домашни задачи

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