Машинско учење во безжични комуникации

Објавено: јуни 28, 2022
1. Наслов на наставниот предмет Машинско учење во безжични комуникации
2. Код 4ФЕИТ10З016
3. Студиска програма ТКИИ
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 Венцеслав Кафеџиски
9. Предуслов за запишување на предметот Положен: Математика 4
10. Цели на предметната програма (компетенции). Студентот ќе се стекне со фундаментални познавања на методите и техниките на надгледувано, ненадгледувано и reinforcement машинско учење и на нивните примени во сегашните и идните безжични телекомуникациски системи од физичко ниво до апликативно ниво. Студентот ќе биде оспособен за детектирање и решавање на телекомуникациски проблеми поврзани со техниките на пренос, безжичните канали, оптимизација на радио пристапот и мрежата, кеширање на мултимедиска содржина и 6G апликации со примена на машинско учење.
11. Содржина на програмата: Надгледувано учење. Регресија. Класификација: наивен Бајес, К-најблиски соседи, дрва на одлучување, машини со носечки вектори, ансамбл методи. Надгледувано учење: невронски мрежи, длабоко учење. Ненадгледувано учење: кластеринг, естимација на густина, редукција на димензионалноста. Reinforcement учење. Примена на машинско учење за модулација, детекција и кодирање на сигнали, за моделирање, естимација и предикција на канали, за насетување на спектар, локализација и позиционирање, за алокација на ресурси и оптимизација на мрежата. Аналитика на податоци од мрежата, крајните уреди и мобилноста на корисниците за потребите на машинско учење. Примена на машинско учење во мултимедиски комуникации и кеширање на содржина. Дистрибуирано машинско учење/федеративно учење и примена во безжични комуникации. Машинско учење за нови апликации кон 6G (вклучувајќи интелигентни рефлектирачки површини, беспилотни летала, Интернет на нештата, мрежи од возила).
12.Методи на учење Преку предавања, аудиториски вежби, лабораториски вежби, домашно учење, проектни задачи, самостојни задачи, посета на компании и предавања од експерти од стопанството.
13. Вкупен расположив фонд на часови 3 + 1 + 1 + 0
14. Распределба на расположивото време 180
15. Форми на наставните активности 15.1. Предавања – теоретска настава 45
15.2. Вежби, семинари, тимска работа 30
16. Други форми на активност 16.1. Проектни задачи 50
16.2. Самостојни задачи 0
16.3. Домашно учење 55
17. Начини на оценување 17.1. Тестови 10
17.2. Семинарска работа/проект 30
17.3. Активност и учење 0
17.4. Завршен испит 60
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 Редовно посетување на наставата, аудиториските и лабораториските вежби.
20. Начин на полагање на испитот Во текот на семестарот се предвидени два парцијални писмени испити (на половина и на крај од семестарот, во времетраење од 120 минути), тестови кои се спроведуваат во текот на часовите и тест од лабораториски вежби. За студентите кои ги положиле парцијалните испити и тестот од лабораториски вежби, може да се спроведе завршен устен испит (времетраење 60 минути). Во конечната оценка влегуваат поените од парцијалните испити, тестовите и завршниот устен испит.
Во предвидените испитни сесии се полага писмен испит (времетраење 120 минути). За студентите кои го положиле писмениот испит и тестот од лабораториски вежби, може да се спроведе завршен устен испит (времетраење 60 минути). Во конечната оценка влегуваат поените од писмениот испит, тестовите и завршниот устен испит. Студентот треба да изработи проектна задача и истата да ја предаде најдоцна до терминот за испит.
За време на испитот не е дозволено користење книги, скрипти, ракописи или белешки од кој било вид, како и мобилен телефон, таблет или кој било друг електронски уред, освен калкулатор.
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. Задолжителна литература
Бр. Автор Наслов Издавач Година
1 Фа-Лонг Луо (едитор) Машинско учење за идните безжични комуникации JohnWiley & Sons 2020
2 Андриј Бурков Книга за машинско учење во 100 страници Андриј Бурков 2019
23.2. Дополнителна литература
Бр. Автор Наслов Издавач Година
1 Руиси Хе, Жигуо Динг (едитори) Примена на машинско учење во безжични комуникации Институција за инженерство и технологија 2019
2 Кристофер Бишоп Препознавање на облици и машинско учење Спрингер 2006