Анализа и предвидување на временски серии

1.

Наслов на наставниот предмет

Анализа и предвидување на временски серии

Time Series Analysis and Forecasting

2.

Код

m23_w_016

3.

Студиска програма

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

10.

Цели на предметната програма (компетенции):

Целта на курсот е студентите да се запознаат со статистичките и методите на машинско учење за анализа на временски серии и предвидување. По завршувањето на курсот кандидатите: ќе имаат продлабочени знаења за напредните техники и методи за анализа на временски серии и нивно предвидување; ќе можат да разберат, репрезентираат и анализираат податоци на временски серии; да применат алгоритми за предвидување на временски серии при решавање на реални проблеми; ќе можат да конципираат, анализираат, реализираат и проценат перформанси на систем за предвидување на временски серии.

11.

Содржина на предметната програма:

Анализа на линеарни временски серии, стационарни и нестационарни модели, модели со трансфер функција, сезонски модели, Box-Jenkins модели (авторегресивни модели и модели на просечни движењa). Трансформација на податоци, нумеричка репрезентација на временските серии, евалуација на модели за предвидување на временски серии. Детекција на трендови и сезонско прилагодување. Техники на машинско учење за предвидување на временски серии базирани на невронски мрежи (длабоко учење), линеарна регресија и ансамбли од модели.

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 + 45 + 60 + 45 = 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

45 часови

16.3.

Домашно учење

45 часови

17.

Начин на оценување

17.1.

Тестови

35 бодови

17.2.

Семинарска работа/ проект ( презентација: писмена и усна)

60 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 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