Subject
Откривање знаење со длабоко учење
| 1. | Наслов на наставниот предмет |
Откривање знаење со длабоко учење Deep learning for knowledge discovery |
||||||||||||
| 2. | Код | F23L3S106 | ||||||||||||
| 3. | Студиска програма | — | ||||||||||||
| 4. | Организатор на студиската програма (единица, односно институт, катедра, оддел) | Факултет за информатички науки и компјутерско инженерство | ||||||||||||
| 5. | Степен (прв, втор, трет циклус) | Прв циклус | ||||||||||||
| 6. | Академска година / семестар | 8 / Летен | ||||||||||||
| 7. | Број на ЕКТС кредити | 6 | ||||||||||||
| 8. | Наставник | Кире Триводалиев, Слободан Калајџиски, Соња Гиевска | ||||||||||||
| 9. | Предуслови за запишување на предметот | Вештачка интелигенција или Вовед во науката за податоци или Машинско учење | ||||||||||||
| 10. | Цели на предметната програма (компетенции) | По завршување на предметот, студентот ќе биде оспособен за избор на соодветни техники за откривање и извлекување на знаење од различен вид податоци. Студентот ќе поседува познавања за напредни архитектури за длабоко учење со примена во системи за препораки, анализа на граф-структурирани податоци и мултимодална фузија на податоци. | ||||||||||||
| 11. | Содржина на предметната програма | 1. Вовед во темите кои ги обработува предметот. Напредни методи на машинско учење и области на нивна примена. 2. Граф-структурирани податоци. Анализа на статитичките и динамички својства на графови. 3. Примена на граф невронски мрежи за анализа на графови 4. Репрезентација на јазли и врски во графови 5. Извлекување на знаење од социјалните мрежи: Предвидување на врски. Класификација и анотација на јазли. 6. Примена на граф-невронси мрежи за системи за препораки 7. Пристапи базирани на длабоко учење и учење со надгледување 8. Генеративни спротивставени мрежи 9. Примена на ГАН во машинска визија и обработка на природните јазици 10. Мултимодална фузија 11. Длабоки невронски мрежи за мултимодална фузија со области на примена 12. Студии на случај на примена на ѕчење со поттикнување, граф-невронски мрежи и генеративни спротивстваени мрежи |
||||||||||||
| 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 | 30 + 45 + 15 + 15 + 75 = 180 часа | ||||||||||||
| 15. | Форми на наставните активности |
|
||||||||||||
| 16. | Други форми на активности |
|
||||||||||||
| 17. | Начин на оценување |
|
||||||||||||
| 18. | Критериуми за оценување (бодови/ оценка) |
|
||||||||||||
| 19. | Услов за потпис и полагање на завршен испит | освоени 50% од предвидените поени на индивидуалните задачи | ||||||||||||
| 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. | Литература |
|
