Наука за податоците во Интернет од нештата

1.

Наслов на наставниот предмет

Наука за податоците во Интернет од нештата

Data science in Internet of things

2.

Код

m23_s_049

3.

Студиска програма

Пресметување во облак, 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, 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, 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

проф. д-р Ѓорѓи Маџаров проф. д-р Игор Мишковски ворн. проф. д-р Мирослав Мирчев

9.

Предуслови за запишување на предметот

10.

Цели на предметната програма (компетенции):

Целта на предметот е студентите да се оспособат за детална анализа и откривање знаење од сензорски податоци од повеќе различни извори во Интернет од нештата и употреба на напредни алгоритми од машинско учење за решавање на различни проблеми како класификација, регресија и кластерирање.

11.

Содржина на предметната програма:

Напредни методи од машинско учење за надгледувано, полунадгледувано и ненадгледувано учење, како длабоки невронски мрежи, ансамбли од дрва за одлучување, кернел методи и.т.н. Техники за процесирање на сигнали, прочистување на податоци, селекција на атрибути и фузија на сензорски податоци во Интернет од нештата. Адаптација на системите за прибирање на податоци и комуникациските текови на тековните услови во реално време. Анализа, предвидување и класификација на временски податочни серии. Амбиентална интелигенција и первазивно пресметување. Користење на софтверски алатки за складирање и откривање знаење од масивни податоци. Студии на случај: препознавање на човекова активност, мониторирање на животна средина, системи за рано предупредување од природни непогоди, индустриски IoT системи, и други.

12.

Методи на учење:

Предавања поддржани со презентации преку слајдови, интерактивни предавања, практични вежби, тимска работа, пример случаи, поканети предавачи, самостојна изработка на проектна задача и семинарска работа и електронско учење.

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

Реализирани активности 15 и 16

20.

Јазик на кој се изведува наставата

Македонски или 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