| 1. | Наслов на наставниот предмет | Когнитивно пресметување во ИКТ | |||||||||||
| 2. | Код | 4ФЕИТ11002 | |||||||||||
| 3. | Студиска програма | 7-НКС, 20-ИМСА, 21-ПНМИ | |||||||||||
| 4. | Организатор на студиската програма
(единица, односно институт, катедра, оддел) |
Факултет за електротехника и информациски технологии | |||||||||||
| 5. | Степен (прв, втор, трет циклус) | Втор циклус студии | |||||||||||
| 6. | Академска година/семестар | I/1 | 7. | Број на ЕКТС кредити | 6.00 | ||||||||
| 8. | Наставник | Д-р Валентин Раковиќ | |||||||||||
| 9. | Предуслов за запишување на предметот | ||||||||||||
| 10. | Цели на предметната програма (компетенции):
Запознавање со карактеристиките и концептите на когнитивно пресметување. Релевантни аспекти на когнитивно пресметување за ИКТ сценарија. Разбирање на концептот на машинско учење и beyond big data. Анализа и дизајн на ИКТ сервиси базирани на когнитивно пресметување. Елементи на когнитивно пресметување и комуникации во облак. Способност за развој на когнитивни сервиси и апликации, за SDN, NFV, Cloud/Open RAN. |
||||||||||||
| 11. | Содржина на програмата:
Вовед. Основни концепти. Можни системски архитектури. Основна поврзаност помеѓу ИКТ и когнитивно пресметување. Аспекти на когнитивно пресметување базирано на невронски мрежи во ИКТ. Когнитивна анализа во ИКТ. Аспекти и основи концепти на когнитивно пресметување во IoT и IoE. Машинско учење во SDN и NFV. ML-базирана орекстрација и поставување на веритуелни елементи и ресурси. Вештачка интелигенција и машинксо учење во RAN архитектура. Концепти, интерфејси и решенија за AI/ML во следна генерација на безични системи, како на пример O-RAN. |
||||||||||||
| 12. | Методи на учење:
Предавања самостојна работа на проектни задачи и изработка на семинарски работи |
||||||||||||
| 13. | Вкупен расположив фонд на време | 180 | |||||||||||
| 14. | Распределба на расположивото време | 3 + 3 | |||||||||||
| 15. | Форми на наставните активности | 15.1 | Предавања – теоретска настава | 45 часови | |||||||||
| 15.2 | Вежби (лабораториски, аудиториски), семинари, тимска работа | 45 часови | |||||||||||
| 16. | Други форми на активности | 16.1 | Проектни задачи | 30 часови | |||||||||
| 16.2 | Самостојни задачи | 30 часови | |||||||||||
| 16.3 | Домашно учење | 30 часови | |||||||||||
| 17. | Начин на оценување | ||||||||||||
| 17.1 | Тестови | 30 бодови | |||||||||||
| 17.2 | Семинарска работа/проект (презентација: писмена и усна) | 50 бодови | |||||||||||
| 17.3. | Активност и учење | 20 бодови | |||||||||||
| 17.4. | Завршен испит | бодови | |||||||||||
| 18. | Критериуми за оценување (бодови/оценка) | до 50 бода | 5 (пет) (F) | ||||||||||
| од 51 до 60 бода | 6 (шест) (E) | ||||||||||||
| од 61 до 70 бода | 7 (седум) (D) | ||||||||||||
| од 71 до 80 бода | 8 (осум) (C) | ||||||||||||
| од 81 до 90 бода | 9 (девет) (B) | ||||||||||||
| од 91 до 100 бода | 10 (десет) (A) | ||||||||||||
| 19. | Услов за потпис и полагање на завршен испит | Редовно посетување на наставата | |||||||||||
| 20. | Начин на полагање на испитот | Испит со времетраење од 120 минути и презентација на самостојните работи | |||||||||||
| 21. | Јазик на кој се изведува наставата | Македонски и Англиски | |||||||||||
| 22. | Метод на следење на квалитетот на наставата | Самоевалуација | |||||||||||
| 23. | Литература | ||||||||||||
| 23.1. | Задолжителна литература | ||||||||||||
| Ред.
број |
Автор | Наслов | Издавач | Година | |||||||||
| 1. | Vijay V. Raghavan, et al. | Handbook of Statistics: Cognitive computing, theory and applications | North Holland | 2016 | |||||||||
| 2. | Kai Hwang, Min Chen | Big-Data Analytics for Cloud, IoT and Cognitive Computing | Wiley | 2018 | |||||||||
