Учење со поттикнување

1.

Наслов на наставниот предмет

Учење со поттикнување

Reinforcement Learning

2.

Код

m23_w_124

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 / Зимски

7. Број на ЕКТС кредити

6.0

8.

Наставник

проф. д-р Кире Триводалиев проф. д-р Соња Гиевска

9.

Предуслови за запишување на предметот

10.

Цели на предметната програма (компетенции):

Целта на предметот е студентот да се стекне со знаење за моделирање на агентни системи во кои способноста за учење кај агентите кои делуваат во недетерминистички околини е преку учење со поттикнување. Студентот ќе биде оспособен да моделира и симулира агентни системи наменети за недетрминистички средини со примена на длабоко учење со поттикнување.

11.

Содржина на предметната програма:

Апстракција на агенти. Агенти наменети за недтерминистички средини. Маркови порцеси на одлучување. Учење со поттикнување. Длабоко учење со поттикнување. Примена на учење со поттикнување за проблеми од реалниот свет (пр. игри, роботи, оптимизација, обработка на природните јазици). Теорија на игри како математички модел за моделирање и симулација на преговори, соработка, конкуренција и колацирање на агенти. Моделирање и симулација на повеќе-агентни системи и стратегии за координација, Справување со несигурност во знаењето и расудувањето. Пресметковна еволутивна биологија.

12.

Методи на учење:

Предавања поддржани со презентации преку слајдови, интерактивни предавања, вежби (користење на опрема и софтверски пакети), тимска работа, студија на случај, 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

15 бодови

17.2.

Семинарска работа/ проект ( презентација: писмена и усна)

45 бодови

17.3.

Активности и учење

15 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 15.1 до 15.2, и 16.1 до 16.3

20.

Јазик на кој се изведува наставата

Македонски и англиски

21.

Метод на следење на квалитетот на наставата

Механизми на интерна евалуација и анкети

22.

Литература

22.1.

Задолжителна литература

22.2.

Дополнителна литература