Subject

Моделирање и фузирање на неструктурирани податоци

1. Наслов на наставниот предмет Моделирање и фузирање на неструктурирани податоци
Modeling and fusing unstructured data
2. Код IS-Z-01
3. Студиска програма Интелигентни системи
4. Организатор на студиската програма (единица, односно институт, катедра, оддел) Faculty of Computer Science and Engineering
5. Степен (прв, втор, трет циклус) Second Cycle
6. Академска година / семестар 9 / Зимски
7. Број на ЕКТС кредити 6
8. Наставник Билјана Ристеска Стојкоска, Кире Триводалиев, Слободан Калајџиски
9. Предуслови за запишување на предметот
10. Цели на предметната програма (компетенции) 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. Содржина на предметната програма 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. 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 15.1 и 15.2
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. Literature
22.1. Задолжителна литература
1. AHMED, M. AND POTTIE, G | Fusion in the context of information theory | CRC Press | 2005
2. BEDWORTH, M. D. AND O’BRIEN, J. C | The omnibus model: A new model for data fusion? | In Proceedings of the 2nd International Conference on Information Fusion (FUSION’99) | 1999
3. BROOKS, R. R. AND IYENGAR, S | Multi-Sensor Fusion: Fundamentals and Applications with Software | Prentice Hall PTR | 1998
4. CHENG, Y. AND KASHYAP, R. L | Comparison of Bayesian and Dempster’s rules in evidence combination | 1988
5. KESSLER ET AL. | Functional description of the data fusion process | Report prepared for the Office of Naval Technology | 1992
6. Mitchell, H B | Data Fusion: Concepts and Ideas | Springer | 2012
7. Francisco Herrera | Information Fusion | Elsevier | 2017
8. Eloi Bosse and Basel Solaiman | Information Fusion and Analytics for Big Data and IoT | Artech House | 2016
22.2. Дополнителна литература
Ред.бр. Автор Наслов Издавач Година