Subject

Вовед во науката за податоци

1. Наслов на наставниот предмет Вовед во науката за податоци
Introduction to datascience
2. Код F23L3W008
3. Студиска програма Примена на информациски технологии, Софтверско инженерство и информациски системи, Software engineering and information systems
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 5 / Зимски
7. Број на ЕКТС кредити 6
8. Наставник Димитар Трајанов, Георгина Мирчева, Игор Мишковски, Милош Јовановиќ, Мирослав Мирчев, Слободан Калајџиски, Весна Димитрова
9. Предуслови за запишување на предметот Бизнис статистика или Веројатност и статистика или Основи на теорија на информации или Математика 3
10. Цели на предметната програма (компетенции) Запознавање со основите за науката базирана на податоци. Студентите ќе се запознаат со процесот и методологијата при работа со податоци, почнувајќи од идентификацијата на проблемите, преку собирање на податоци, а потоа и нивна обработка. Студентите ќе ги научат основните техники за обработка на податоците и идентификување на шаблони во нив, како и начините на визуелизација и интерпретација на добиените резултати.
11. Содржина на предметната програма (2) Вовед во науката за податоци како четврта научна парадигма
(2) Дизајнирање на експерименти и идентификација на проблеми
(2) Собирање и обработка на податоци
(2) Пред процесирање на податоците
(2) Идентификација на шаблони во податоците и визуелизација
(2) Вовед во Машинско Учење
(2) Основни модели за Машинско Учење
(2) Длабоко учење
(2) Ненадгледувано учење (кластерирање, намалување на димензионалност)
(2) Вовед во обработка на природни јазици
12. Методи на учење Предавања со користење на презентации, 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.
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
15.1. Предавања - теоретска настава 30 часови
15.2. Вежби (лабораториски, аудиториски), семинари, тимска работа 45 часови
16. Други форми на активности
16.1. Проектни задачи 15 часови
16.2. Самостојни задачи 15 часови
16.3. Домашно учење 75 часови
17. Начин на оценување
17.1. Тестови 0 бодови
17.2. Семинарска работа / проект ( презентација: писмена и усна) 15 бодови
17.3. Активности и учење 15 бодови
17.4. Завршен испит 65 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 актибвности 15.2 и 16.1
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
22.1. Задолжителна литература
1. Ethem Alpaydin | Machine Learning | MIT Press | 2021
2. John D. Kelleher, Brendan Tierney | Data Science | MIT Press Essential Knowledge series | 2018
3. Edward Raff | Inside Deep Learning: Math, Algorithms, Models | Manning | 2022
4. François Chollet | Deep Learning with Python, 2nd edition | Manning | 2021
22.2. Дополнителна литература
Ред.бр. Автор Наслов Издавач Година