| 1. |
Наслов на наставниот предмет |
Вештачка интелигенција и длабоко учење |
| 2. |
Код |
4ФЕИТ07004 |
| 3. |
Студиска програма |
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 Христијан Ѓорески |
| 9. |
Предуслов за запишување на предметот |
|
| 10. |
Цели на предметната програма (компетенции):
Разбирање на концептот на вештачка интелигенција и длабоко учење. Со овој предмет, студентот ќе се стекне со знаење за практична употреба на алатки и техники за моделирање на Вештачка Интелигенција, и длабоко учење. Исто така ќе се стекне со теоретско и практично знаење за користење на различни типови податоци при градење на вештачка интелигенција: табеларни податоци, слика, звук, текст, работа со природни јазици.
|
| 11. |
Содржина на програмата:
Разработка на концептот за вештачка интелигенција и моделирање на интелигентни системи, методи на учење – длабоко учење. Методи и алгоритми од вештачка интелигенција обработка на податоци и моделирање со длабоко учење. Анализа на различни типови на податоци, 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, 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 |
0 бодови |
| 17.2 |
Семинарска работа/проект (презентација: писмена и усна) |
50 бодови |
| 17.3. |
Активност и учење |
0 бодови |
| 17.4. |
Завршен испит |
50 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 присуство на предавањата |
| 20. |
Начин на полагање на испитот |
Проектна задача и завршен испит. |
| 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. |
Stuart Russell, Peter Norvig |
Artificial Intelligence: A Modern Approach |
Pearson; 4th edition (April 28, 2020) |
2020 |
| 23.2. |
Дополнителна литература |
| Ред.
број |
Автор |
Наслов |
Издавач |
Година |
| 1. |
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 |
