MK EN
ФИНКИ

Subject

Напредни теми од вештачката интелигенција

1. Course Title Напредни теми од вештачката интелигенција
Advanced topics in artificial intelligence
2. Code IS-Z-02
3. Study Programme Интелигентни системи
4. Organizer of the study programme (unit, institute, department or division) Faculty of Computer Science and Engineering
5. Degree level (first, second, third cycle) Second cycle
6. Academic year / semester 9 / Winter
7. Number of ECTS credits 6
8. Teacher Ана Мадевска Богданова, Андреа Кулаков
9. Prerequisites for enrolling in the course —
10. Objectives of the course programme (competences) Студентот ќе биде оспособен за користење на напредни алгоритми и техники од областа на вештачка интелигенција и машинско учење.
11. Course content Предметот Напредни теми од вештачка интелигенција нуди отворен пристап, кадестудентот ќе може да избере да работи на некој проект сврзан со најновите достигнувања во полето на вештачката интелигенција (ВИ). Можните теми ги опфаќаат следните области: метафоричко расудување и расудување по аналогија; теоретска ВИ (нови трендови во теоријата на ВИ; ВИ и правно расудување, етика на ВИ, интерпретабилна ВИ); теорија на киборзи;
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 points5 (five) (F)
from 51 to 60 points6 (six) (E)
from 61 to 70 points7 (seven) (D)
from 71 to 80 points8 (eight) (C)
from 81 to 90 points9 (nine) (B)
from 91 to 100 points10 (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
1. Stuart Russell, Peter Norvig | Artificial Intelligence: A Modern Approach, 3rd Edition | Prentice Hall | 2010
2. Edited by Sven Dickinson | IEEE Transactions on Pattern Analysis and Machine Intelligence | Institute of Electrical and Electronics Engineers | 1979
3. Edited by Haibo He | IEEE Transactions on Neural Networks and Learning Systems | IEEE Computational Intelligence Society | 2012
4. Ajay Thampi | Interpretable AI | Manning publishing | 2021
22.2. Additional literature
No. Author Title Publisher Year
Деканат Dean’s Office Студии Studies Акти Acts Проекти Projects