Репрезентација и откривање на знаење со приближнo пресметување

1.

Наслов на наставниот предмет

Репрезентација и откривање на знаење со приближнo пресметување

Representation and discovery of knowledge with approximate computation

2.

Код

m23_s_039

3.

Студиска програма

Пресметување во облак, Data science in computer science and engineering, 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, Софтверско инженерство, Пресметување во облак, Управување во информатички технологии, Биоинформатика, Безбедност, криптографија и кодирање, Статистика и аналитика на податоци, 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 Андреја Наумоски

9.

Предуслови за запишување на предметот

10.

Цели на предметната програма (компетенции):

Во текот на курсот, студентите ќе се запознаат со техниките за репрезентација и откривање на знаења со приближна логика. По завршување на курсот, студентите ќе се стекнат со знаење за процесот на откривање на знаење со приближна логика, ќе знаат да дизајнираат системи кое се базираат на приближна логика и ќе знаат да ја применат приближната логика во различни апликации.

11.

Содржина на предметната програма:

Приближна логика, вовед и концепти. Mножества во приближна логика. Функции на припадност. Операции врз множества во приближна логика. Извлекување на правила. Уточнувавање. Груба логика, вовед и концепти. Независност. Апрокцимација. Позитивен регион. Приближни асоцијативни матрици и функции. Зависност. Дефиниција на приближно-груба логика. Дефиниција на горна и долна апроксимација. Техники за селекција на атрибути со приближно-груба логика. Дескриптивно и предиктивно моделирање со приближно-груба логика. Откривање на знаења со приближно-груба логика и примена во различни области (екоинформатика, биоинформатика, бизнис анализа, дизајн на компјутерски системи, детекција на грешки, интелегента контрола на системи, процесирање на масивни податоци, откривање на правила и друго).

12.

Методи на учење:

Предавања поддржани со презентации преку слајдови, интерактивни предавања, практични 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 + 45 + 30 = 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

45 часови

16.2.

Самостојни задачи

45 часови

16.3.

Домашно учење

30 часови

17.

Начин на оценување

17.1.

Тестови

30 бодови

17.2.

Семинарска работа/ проект ( презентација: писмена и усна)

45 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 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