Subject

Наука за податоците во Интернет од нештата

1. Наслов на наставниот предмет Наука за податоците во Интернет од нештата
Data science in Internet of things
2. Код m23_s_049
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 Ѓорѓи Маџаров, Игор Мишковски, Мирослав Мирчев
9. Предуслови за запишување на предметот
10. Цели на предметната програма (компетенции) Целта на предметот е студентите да се оспособат за детална анализа и откривање знаење од сензорски податоци од повеќе различни извори во Интернет од нештата и употреба на напредни алгоритми од машинско учење за решавање на различни проблеми како класификација, регресија и кластерирање.
11. Содржина на предметната програма Напредни методи од машинско учење за надгледувано, полунадгледувано и ненадгледувано учење, како длабоки невронски мрежи, ансамбли од дрва за одлучување, кернел методи и.т.н. Техники за процесирање на сигнали, прочистување на податоци, селекција на атрибути и фузија на сензорски податоци во Интернет од нештата. Адаптација на системите за прибирање на податоци и комуникациските текови на тековните услови во реално време. Анализа, предвидување и класификација на временски податочни серии. Амбиентална интелигенција и первазивно пресметување. Користење на софтверски алатки за складирање и откривање знаење од масивни податоци. Студии на случај: препознавање на човекова активност, мониторирање на животна средина, системи за рано предупредување од природни непогоди, индустриски IoT системи, и други.
12. Методи на учење Предавања поддржани со презентации преку слајдови, интерактивни предавања, практични вежби, тимска работа, пример случаи, поканети предавачи, самостојна изработка на проектна задача и семинарска работа и електронско учење.
13. Вкупен расположив фонд на време 6 ЕКТС x 30 часа = 180 часа
14. Распределба на расположивото време 45 + 15 + 30 + 50 + 40 = 180 часа
15. Форми на наставните активности
15.1. Предавања - теоретска настава 45 часови
15.2. Вежби (лабораториски, аудиториски), семинари, тимска работа 15 часови
16. Други форми на активности
16.1. Проектни задачи 50 часови
16.2. Самостојни задачи 30 часови
16.3. Домашно учење 40 часови
17. Начин на оценување
17.1. Тестови 45 бодови
17.2. Семинарска работа / проект ( презентација: писмена и усна) 50 бодови
17.3. Активности и учење 10 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 15 и 16
20. Јазик на кој се изведува наставата Македонски или англиски
21. Метод на следење на квалитетот на наставата Механизам на интерна евалуација и анкети
22. Литература
22.1. Задолжителна литература
1. Murphy, Kevin P. | Machine learning: a probabilistic perspective | MIT press | 2012
2. François Chollet | Deep learning with Python | Manning publications | 2021
3. Edited by John Davies, Carolina Fortuna | The Internet of Things: From Data to Insight | Wiley | 2020
4. John D. Kelleher, Brendan Tierney | Data science | MIT press | 2018
22.2. Дополнителна литература
Ред.бр. Автор Наслов Издавач Година