Subject

Форензика со машинско учење

Наслов на наставниот предмет

Форензика со машинско учење
Machine Learning Forensics

Код

m23_s_075

Студиска програма

—

Организатор на студиската програма (единица, односно институт, катедра, оддел)

Факултет за информатички науки и компјутерско инженерство

Степен (прв, втор, трет циклус)

Втор циклус

Академска година / семестар

10 / Летен

Број на ЕКТС кредити

Наставник

Александра Дединец

Предуслови за запишување на предметот

—

10.

Цели на предметната програма (компетенции)

Целта на курсот е да се:
• претстават основните концепти на форензика со машинското учење
• анализираат моменталните технологии на форензика со машинско учење
• анализираат методологии за примена на машинското учење на податоци релевантни во областа на форензиката

11.

Содржина на предметната програма

1. Вовед
2. Основи на форензика
3. Основи на машинско и длабоко учење
4. Форензика со примена на машинско учење на текстуални податоци (вклучувајќи и податоци од социјални медиуми) (2 недели)
5. Форензика со примена на машинско учење на слики (2 недели)
6. Форензика со примена на машинско учење на аудио и видео податоци (2 недели)
7. Останати апликации на машинско учење во форензиката

12.

Методи на учење

NULL

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 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

NULL

20.

Јазик на кој се изведува наставата

NULL

21.

Метод на следење на квалитетот на наставата

NULL

22.

Литература

22.1.	Задолжителна литература 1. Mohammad Haroon, Manish Madhava Tripathi and Faiyaz Ahmad \| Application of Machine Learning In Forensic Science \| IGI Global \| 2020 2. Nour Moustafa \| Digital Forensics in the Era of Artificial Intelligence \| CRC Press \| 2022
22.2.	Дополнителна литература Ред.бр. Автор Наслов Издавач Година