Subject

Мрежна наука

1. Наслов на наставниот предмет Мрежна наука
Network science
2. Код IT-Z-03
3. Студиска програма Интернет технологии и сајбер безбедност
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 Игор Мишковски, Мирослав Мирчев
9. Предуслови за запишување на предметот
10. Цели на предметната програма (компетенции) 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. Содржина на предметната програма 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. Методи на учење 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. Вкупен расположив фонд на време 6 ЕКТС x 30 часа = 180 часа
14. Распределба на расположивото време 45 + 15 + 30 + 50 + 40 = 180 часа
15. Форми на наставните активности
15.1. Предавања - теоретска настава 45 часови
15.2. Вежби (лабораториски, аудиториски), семинари, тимска работа 15 часови
16. Други форми на активности
16.1. Проектни задачи 50 часови
16.2. Самостојни задачи 30 часови
16.3. Домашно учење 40 часови
17. Начин на оценување
17.1. Тестови 45 бодови
17.2. Семинарска работа / проект ( презентација: писмена и усна) 50 бодови
17.3. Активности и учење 10 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
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. 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. Дополнителна литература
Ред.бр. Автор Наслов Издавач Година