1. Наслов на наставниот предмет | Интелигентни информациски системи | |||||||
2. Код | 4ФЕИТ07З004 | |||||||
3. Студиска програма | КТИ | |||||||
4. Организатор на студиската програма | Факултет за електротехника и информациски технологии | |||||||
5. Степен | Прв циклус студии | |||||||
6. Академска година / семестар | IV/7 | 7. Број на ЕКТС | 6 | |||||
8. Наставник | Д-р Христијан Ѓорески | |||||||
9. Предуслов за запишување на предметот | Положени: Податочни структури и програмирање, Програмирање и алгоритми, Податочни структури и анализа на алгоритми | |||||||
10. Цели на предметната програма (компетенции). Разбирање на концептот на интелигенција во современите информациски и комуникациски системи. Со овој предмет, студентот ќе се стекне со знаење за практична употреба на алатки и техники за моделирање на интелигентни системи, донесување одлуки, агенти и повеќе-агентни системи, длабоко учење. Исто така ќе се стекне со теоретско и практично знаење за користење на различни типови податоци при градење на интелигентни системи: табеларни податоци, слика, звук, текст, работа со природни јазици. | ||||||||
11. Содржина на програмата: Природна и вештачка интелигенција: историска дефиниција на интелигенција и преглед на развојот на интелигентни системи. Моделирање на интелигентни системи, претставување на знаење, методи на учење. Методи и алгоритми од вештачка интелигенција применети за создавање интелигентни системи: стекнување податоци, обработка на податоци и моделирање со длабоко учење; Агентски и мулти-агентни системи, учење со поттикнување (Reinforcement Learning). Анализа на различни типови на податоци од ИКТ системи, вклучувајќи: структурирани и неструктуирани податоци, временски серии, слики, звук, итн. Алгоритми за анализа на природни јазици (текст, говор – NLP) и чет-ботови. Имплементирајте алгоритми и модели користејќи Java и Python. |
||||||||
12.Методи на учење Предавања, аудиториски и лабораториски вежби, самостојно учење, самостојна работа на проектни задачи и изработка на семинарски работи | ||||||||
13. Вкупен расположив фонд на часови | 2 + 2 + 1 + 0 | |||||||
14. Распределба на расположивото време | 180 | |||||||
15. Форми на наставните активности | 15.1. Предавања – теоретска настава | 30 | ||||||
15.2. Вежби, семинари, тимска работа | 45 | |||||||
16. Други форми на активност | 16.1. Проектни задачи | 0 | ||||||
16.2. Самостојни задачи | 45 | |||||||
16.3. Домашно учење | 60 | |||||||
17. Начини на оценување | 17.1. Тестови | 0 | ||||||
17.2. Семинарска работа/проект | 0 | |||||||
17.3. Активност и учење | 10 | |||||||
17.4. Завршен испит | 90 | |||||||
18. Критериуми за оценување | до 50 бодови | 5 (пет) (F) | ||||||
од 51до 60 бодови | 6 (шест) (E) | |||||||
од 61до 70 бодови | 7 (седум) (D) | |||||||
од 71до 80 бодови | 8 (осум) (C) | |||||||
од 81до 90 бодови | 9 (девет) (B) | |||||||
од 91до 100 бодови | 10 (десет) (A) | |||||||
19. Услов за потпис и полагање на завршен испит | Лабораториски вежби и завршен проект | |||||||
20. Начин на полагање на испитот | Два парцијални испити во текот на семестарот во времетраење до 120 минути или еден завршен писмен испит во соодветна испитна сесија во времетраење до 120 минути. Оценување и на лабораториските вежби. Можност за изработка на проектна задача која ќе се оценува. | |||||||
21. Јазик на кој се изведува наставата | Македонски и Англиски | |||||||
22. Метод на следење на квалитетот на наставата | Интерна евалуација и анкети | |||||||
23. Литература | ||||||||
23.1. Дополнителна литература | ||||||||
Бр. | Автор | Наслов | Издавач | Година | ||||
1 | Stuart Russell, Peter Norvig | Artificial Intelligence: A Modern Approach | Pearson; 4th edition (April 28, 2020) | 2020 | ||||
2 | Aurélien Géron | Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems | O’Reilly Media; 2nd edition (October 15, 2019) | 2019 |