Subject

Откривање на знаење од податоци за животната средина

Course Title

Откривање на знаење од податоци за животната средина
Discovering knowledge from environmental data

Code

EI-Z-04

Study Programme

Еко-информатика

Organizer of the study programme (unit, institute, department or division)

Faculty of Computer Science and Engineering

Degree level (first, second, third cycle)

Second cycle

Academic year / semester

10 / Summer

Number of ECTS credits

Teacher

Андреја Наумоски, Коста Митрески

Prerequisites for enrolling in the course

—

10.

Objectives of the course programme (competences)

Запознавање со принципите на откривање на знаење во податоците од
животната средина.

11.

Course content

1)Вовед во откривање на знаење во податоците од животната средина.
2)Основно знаење и способност за анализа на податоците употребувајќи методи од
машинско учење.
3)Употреба на овие методи за анализа на податоците од животната средина.
4) Во склоп на практичната работа, тие ќе бидат тренирани за назависна употреба
на некои од машинските методи за откривање на знаење од податоци на животната
средина.
5) Вовед во откривање на знаење и методи на машинско учење
Стебла на одлучување и регресиски стебла – учење на правилата.
Класификација со веројатност, метод на најблизок сосед, откривање на
равенки.
6)Примери на апликации на машинско учење во анализа на податоците за
животната средина
Биолошка класификација на реките (пример: реките од Словенија и
Македонија, предикција на биоразгрдливоста.)
Моделирање на популациона динамика и на хабитатните живелаишта на
мечката, рисот и други.
7)Практична работа со податоците добиени од мерењата, употребувајќи различни
методи на машинско учење.

12.

Learning methods

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.

Total available time

6 ECTS x 30 hours = 180 hours

14.

Distribution of available time

60 + 0 + 40 + 60 + 20 = 180 часа

15.

Forms of teaching activities

15.1.	Lectures - theoretical instruction	60 hours
15.2.	Exercises (laboratory, auditory), seminars, teamwork	0 hours

16.

Other forms of activities

16.1.	Project assignments	60 hours
16.2.	Independent assignments	40 hours
16.3.	Home study	20 hours

17.

Assessment method

17.1.	Tests	45 points
17.2.	Seminar paper / project (presentation: written and oral)	60 points
17.3.	Activities and learning	10 бодови
17.4.	Final exam	100 бодови

18.

Grading criteria (points / grade)

up to 50 points	5 (five) (F)
from 51 to 60 points	6 (six) (E)
from 61 to 70 points	7 (seven) (D)
from 71 to 80 points	8 (eight) (C)
from 81 to 90 points	9 (nine) (B)
from 91 to 100 points	10 (ten) (A)

19.

Requirement for obtaining a signature and taking the final exam

реализирани активности 15, 16

20.

Language of instruction

Macedonian and English

21.

Method for monitoring the quality of teaching

internal evaluation and survey mechanism

22.

Literature

22.1.	Required literature 1. Recknagel, Friedrich, Michener, William K. \| Ecological Informatics Data Management and Knowledge Discovery \| Springer \| 2017 2. Friedrich Recknagel \| Ecological Informatics: Scope, Techniques and Applications \| Springer \| 2014 3. Chiong, Raymond \| Nature-Inspired Informatics for Intelligent Applications and Knowledge Discovery \| IGI Global \| 2009
22.2.	Additional literature No. Author Title Publisher Year