Subject

Интелигентни мобилни апликации

1. Наслов на наставниот предмет Интелигентни мобилни апликации
Smart mobile applications
2. Код m23_s_035
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 Ефтим Здравевски, Петре Ламески
9. Предуслови за запишување на предметот
10. Цели на предметната програма (компетенции) Во рамките на овој предмет, студентите ќе се запознаат со можностите за дизајн и развој на интелигентни апликации на мобилни уреди, со користење на постоечките библиотеки. Студентите ќе бидат оспособени за интеграција на алгоритми од машинско учење и вештачка интелигенција со мобилните апликации на различни платформи.
11. Содржина на предметната програма Оперативни системи кои поддржуваат развој на интелигентни мобилни апликации.
Преглед на алгоритмите и библиотеките за интелигентни мобилни апликации.
Развој на интелигентна мобилна апликација за една од популарните платформи.
Интеграција на модели тренирани со други платформи со мобилната апликација.
Предизвици при развојот на интелигентни мобилни апликации.
Студии на случај.
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
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 бода5 (пет) (F)
од 51 до 60 бода6 (шест) (E)
од 61 до 70 бода7 (седум) (D)
од 71 до 80 бода8 (осум) (C)
од 81 до 90 бода9 (девет) (B)
од 91 до 100 бода10 (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
1. Pete Warden | Building Mobile Applications with TensorFlow | O`Reilly | 2017
2. Alexis Perrier | Effective Amazon Machine Learning | Packt | 2017
3. Aurélien Géron | Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems | O`Reilly | 2017
4. Sumit Mund | Microsoft Azure Machine Learning | Packt | 2015
22.2. Дополнителна литература
Ред.бр. Автор Наслов Издавач Година