Subject

Моделирање и фузирање на неструктурирани податоци

Course Title

Моделирање и фузирање на неструктурирани податоци
Modeling and fusing unstructured data

Code

IS-Z-01

Study Programme

Интелигентни системи

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

9 / Winter

Number of ECTS credits

Teacher

Билјана Ристеска Стојкоска, Кире Триводалиев, Слободан Калајџиски

Prerequisites for enrolling in the course

—

10.

Objectives of the course programme (competences)

Во овој курс студентите ќе се запознаат со податочната фузија од аспект на информациска, сензорска и мултисензорска фузија. Тие ќе се оспособат за користење на методите, техниките и алгоритмите за податочна фузија. Ќе знаат да ги применуваат различните архитектури и модели за фузија на податоци. Различните типови на податоци што би се добивале преку фузија на изворите ќе треба да се моделираат според потребите. За таа цел студентите ќе треба да бидат оспособени за моделирање и репрезентација на неструктурирани податоци, методите и стратегиите за извлекување на информации од неструктурирани податоци, како и техниките за претставување на извлеченото знаење од податоците.

11.

Course content

1. Дефиниција и основи на податочна фузија, информациска фузија, сензорска/мултисензорска фузија. Класификација според релацијата на изворите, според нивото на апстракција и според релацијата влез-излез.
2. Методи, техинки и алгоритми за податочна фузија. Техники за изведување на одлуки. Техники за проценка. Мапи од обележја. Сензорски апстракции. Компресија. Пристап од теорија на информации.
3. Архитектури, модели и нивни карактеристики. Информациски базиран модел. Модели базирани на активности. Модели базирани на улоги.
4. Парадигми за информациска фузија во контекст на комуникација. Дистибуирани парадигми. Информациска фузија и нејзини поделби.
5. Моделирање на неструктурирани податоци. Преглед и споредба на постоечки податочни модели и алгоритми за ефикасно чување, пребарување, пренос и приказ на податоците. Дизајн на релевантни апстрактни типови на податоци и нивна интеграција во постоечките јазици за моделирање. Методи за квантифицирање на квалитетот на податочните модели.
6. Извлекување на релевантни информации од неструктурираните податоци. Лексикони и онтологии за претставување на здраворазумско знаење. Интегрирање на онтологии.

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 + 45 + 45 + 30 = 180 hours

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	45 hours
16.2.	Independent assignments	45 hours
16.3.	Home study	30 hours

17.

Assessment method

17.1.	Tests	15 бодови
17.2.	Seminar paper / project (presentation: written and oral)	45 points
17.3.	Activities and learning	15 бодови
17.4.	Final exam	0 points

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

completed activities 15.1 and 15.2

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

22.2.

Additional literature

No. Author Title Publisher Year