Лични алати
Пријави се

Машинско учење

1.    Наслов на наставниот предмет

Машинско учење

2.    Код

3ФЕИТ01З008

3.    Студиска програма

КСИАР, КХИЕ

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

6.00

8.    Наставник

Д-р Горан Стојановски

9.    Предуслов за запишување на предметот

 

10.    Цели на предметната програма (компетенции): Запознавање со основните принципи на машинското учење, основните концепти и техники кои се користат; оспособување за самостојно решавање на практични инженерски задачи и проблеми со помош на машинска интелигенција.

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

45

16.2. Самостојни задачи

30

16.3. Домашно учење

30

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 51 до 60 бодови

6 (шест) (E)

од 61 до 70 бодови

7 (седум) (D)

од 71 до 80 бодови

8 (осум) (C)

од 81 до 90 бодови

9 (девет) (B)

од 91 до 100 бодови

10 (десет) (A)

19.    Услов за потпис и полагање на завршен испит

Уредно посетување на лабораториските вежби

20.    Јазик на кој се изведува наставата

Македонски и Англиски

21.    Метод на следење на квалитетот на наставата

Интерна евалуација и анкети

22.    Литература

22.1. Задолжителна литература

Бр.

Автор

Наслов

Издавач

Година

1

Andrew Ng

ЖЕД ЗА МАШИНСКО УЧЕЊЕ

 

2016

2

Кристофер Бишоп

Препознавање на облици и машинско учење

Springer

2006