Subject

Мрежна наука

1. Course Title Мрежна наука
Network science
2. Code IT-Z-03
3. Study Programme Интернет технологии и сајбер безбедност
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 Игор Мишковски, Мирослав Мирчев
9. Prerequisites for enrolling in the course
10. Objectives of the course programme (competences) Мрежите се основна алатка за моделирање на комплексните социјални, информациски, технолошки и биолошки системи. Курсот ќе ги научи слушателите за анализа и откривање знаење од обемни податоци од комплексни мрежи. Студентите ќе се запознаат со современите алатки за мрежна анализа и машинско учење во графови, како и со најпознатите мрежни модели кои ги апстрахираат основните својства на реалните комплексни мрежи.
11. Course content Својства на реалните масивни мрежи од различен вид и напредни модели за нивна репрезентација. Робустност и кршлавост на комуникациските мрежи, мрежите за храна и финансиските пазари. Генерална анализа на тополошките влијанија врз работата на комуникациските мрежи и детална анализа на Интернет и WWW. Ширење на информации, влијанија, идеи, падови и зарази во социјални и комуникациски мрежи. Извлекување знаење од големи мрежи, како класификација на јазли, предвидување на линкови и детекција на заедници. Репрезентативно учење во графови, ембедирање на јазли, линкови и цели графови, како и примена на граф невронски мрежи. Графови на знаење и повеќеслојни комплексни мрежи. Идентификација на функционални модули во биолошките мрежи. Временска анализа на комплексни мрежи.
12. Learning methods Предавања поддржани со презентации преку слајдови, интерактивни предавања, практични вежби, тимска работа, пример случаи, поканети предавачи, самостојна изработка на проектна задача и семинарска работа и електронско учење.
13. Total available time 6 ECTS x 30 hours = 180 hours
14. Distribution of available time 45 + 15 + 30 + 50 + 40 = 180 часа
15. Forms of teaching activities
15.1. Lectures - theoretical instruction 45 hours
15.2. Exercises (laboratory, auditory), seminars, teamwork 15 часови
16. Other forms of activities
16.1. Project assignments 50 часови
16.2. Independent assignments 30 hours
16.3. Home study 40 hours
17. Assessment method
17.1. Tests 45 points
17.2. Seminar paper / project (presentation: written and oral) 50 бодови
17.3. Activities and learning 10 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 Реализирани активности
20. Language of instruction Macedonian and English
21. Method for monitoring the quality of teaching Механизам на интерна евалуација и анкети
22. Literature
22.1. Required literature
1. Albert-László Barabási,‎ Márton Pósfai | Network Science | Cambridge University Press, 2016 | 2016
2. Danai Koutra, Christos Faloutsos | Individual and Collective Graph Mining: Principles, Algorithms, and Applications | Morgan&Claypool | 2017
3. Filippo Menczer, Santo Fortunato, Clayton A. Davis | A First Course in Network Science | Cambridge University Press | 2020
4. Mark Newman | Networks, 2nd edition | Oxford University Press | 2018
5. William L. Hamilton | Graph Representation Learning | Morgan&Claypool Publishers | 2020
22.2. Additional literature
No. Author Title Publisher Year