Машинско учење

Објавено: јуни 28, 2022
1. Наслов на наставниот предмет Машинско учење
2. Код 4ФЕИТ01З007
3. Студиска програма КСИАР
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 Горјан Наџински
9. Предуслов за запишување на предметот Положени: Програмирање и алгоритми
10. Цели на предметната програма (компетенции). Студентите ќе бидат запознаени со основните принципи на машинското учење, основните концепти и техники кои се користат. Тие ќе бидат оспособени за самостојно решавање на практични инженерски задачи и проблеми со помош на алгоритми и пристапи од машинско учење.
11. Содржина на програмата: Вовед во машинко учење. Линеарна регресија со повеќе променливи. Метод на опаѓачки градиент. Полиномијална регресија. Карактеристики на полиномијална регресија. Логистичка (логаритамска) регресија. Класификација како проблем на машинко учење. Регуларизација. Невронски мрежи. Учење со невронски мрежи. Машини со носечки вектори (Support Vector Machines). Учење без учител. k-means алгоритам. Компресија на каратеристики. Развој и анализа на систем за детекција на аномалии. Машинско учење за големи множества на податоци. Примери за имплементација на машинско учење на реални проблеми.
12.Методи на учење Комбиниран начин на учење: предавања, подржани со презентации, домашни задачи, проектни задачи и аудиториски вежби и практични вежби во лабораторија.
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 30
16.2. Самостојни задачи 30
16.3. Домашно учење 45
17. Начини на оценување 17.1. Тестови 0
17.2. Семинарска работа/проект 40
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 Уредно посетување на лабораториските вежби
20. Начин на полагање на испитот Предвидени се два парцијални писмени испити (на половина и на крај од семестарот, во времетраење од 120 минути) и задолжителен проект, кој студентите треба да го реализираат и презентираат во текот на семестарот .
1. За студентите кои ги положиле парцијалните испити, и успешно го имаат реализирано и презентирано проектот, се смета дека го положиле предметот. Презентација на проектот се одвива во времетраење не подолго од 60 минути. Во конечната оценка влегуваат поените од парцијалните испити и поените добиени од проектот.
2. Во предвидените испитни сесии се полага завршен писмен испит (времетраење 120 минути). За студентите кои го положиле писмениот испит, и кои претходно, за време на семестарот го реализирале и презентирале проектот, се смета дека го положиле предметот. Во конечната оценка влегуваат поените од завршниот писмен испит и поените добиени од проектот.
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 S. Marsland Machine Learning: An Algorithmic Approach CRC Press 2015
2 M. Kuhn, K. Johnson Applied Predictive Modeling Springer 2016
23.2. Дополнителна литература
Бр. Автор Наслов Издавач Година
1 S. Raschka, V. Mirjalili Python Machine Learning Packt Publishing 2017
2 C. Bishop Pattern Recognition and Machine Learning Springer 2006