Subject
Откривање знаење во големи граф податоци
| 1. | Наслов на наставниот предмет |
Откривање знаење во големи граф податоци Knowledge discovery in big graph data |
||||||||||||
| 2. | Код | m23_s_025 | ||||||||||||
| 3. | Студиска програма | — | ||||||||||||
| 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 | 10 / Летен | ||||||||||||
| 7. | Број на ЕКТС кредити | 6 | ||||||||||||
| 8. | Наставник | Илинка Иваноска, Кире Триводалиев, Соња Гиевска | ||||||||||||
| 9. | Предуслови за запишување на предметот | — | ||||||||||||
| 10. | Цели на предметната програма (компетенции) | Овој курс има за цел да ги воведе студентите во областа на откривање знаење во големи граф организирани податоци. Студентите ќе се запознаат со предизвиците на процесирање на големи количини на податоци, најсовремени методи и алгоритми за анализа на графови, и примена на откривање знаење во големи граф податоци во различни апликативни домени. По завршување на предметот се очекува студентите да се здобијат со: - Темелно разбирање на основите на откривање знаење во граф податоци - Способност за критично размислување во однос на различни методи и алгоритми за извлекување знаење - Способност за формулирање и решавање на проблеми кои можат да се пресликаат во домен на графови - Способност за анализа на големи податочни множества за графови |
||||||||||||
| 11. | Содржина на предметната програма | Вовед во откривање знаење во големи граф податоци; Статички графови: закони и шаблони; Динамички графови: закони и шаблони; Анализа на врски: Random walks, PageRank, HITS; Класификација на јазли; Сличност на јазли; Сличност на графови; Порамнување на графови; Кластерирање на графови; Откривање непреклопувачки и преклопувачки заедници; Предвидување на врски; Детекција на аномалии; Детекција на чести под-графови; Апроксимација и компресија на графови; Репрезентација на графови; Длабоко учење кај графови; Области на примена: Откривање знаење во протеински интеракциски мрежи, Откривање знаење во мрежи од мозок, Откривање знаење во социјални мрежи, Откривање знаење во хетерогени мултимодални податоци, Граф-базирани системи за препораки. | ||||||||||||
| 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 ЕКТС x 30 часа = 180 часа | ||||||||||||
| 14. | Распределба на расположивото време | 60 + 0 + 45 + 45 + 30 = 180 часа | ||||||||||||
| 15. | Форми на наставните активности |
|
||||||||||||
| 16. | Други форми на активности |
|
||||||||||||
| 17. | Начин на оценување |
|
||||||||||||
| 18. | Критериуми за оценување (бодови/ оценка) |
|
||||||||||||
| 19. | Услов за потпис и полагање на завршен испит | NULL | ||||||||||||
| 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 |
|
