Navigacija

MS1PSZ - Pronalaženje skrivenog znanja

Specifikacija predmeta
Naziv Pronalaženje skrivenog znanja
Akronim MS1PSZ
Studijski program Elektrotehnika i računarstvo
Modul modul Računarska tehnika i informatika
Tip studija master akademske studije
Nastavnik (predavač)
    Nastavnik/saradnik (vežbe)
      Nastavnik/saradnik (DON)
        Broj ESPB 6.0 Status predmeta izborni
        Uslovljnost drugim predmetima Baze podataka 1, Ekspertski sistemi
        Ciljevi izučavanja predmeta Upoznati studente sa osnovnim pojmovima i principima mašinskog učenja, data mining-a, tehnologijama Semantičkog Veba, kao i modelovanja koncepata. Upoznati studente sa principima projektovanja i implementacije data mining modela i ontologija Semantičkog Veba.
        Ishodi učenja (stečena znanja) Studenti će biti u stanju da razumeju kako se znanje i podaci konceptualizuju, organizuju, dohvataju, pretražuju i smeštaju. Takođe, posedovaće znanje o mašinskom učenju, data mining-u, Semantičkim Veb tehnologijama i modelovanju koncepata.
        Sadržaj predmeta
        Sadržaj teorijske nastave Metodi prikupljanja, predstavljanja i obrađivanja podataka. Stabla odlučivanja, induktivno učenje, Bayesian učenje, neuralne mreže, genetski algoritam, Instance-based učenje. Asociajtivna pravila i klasifikacija. Semantičke Veb tehnologije i konceptualne mreže, modelovanje koncepata.
        Sadržaj praktične nastave Isti kao i za teorijsku nastavu. Primeri rada konkretnih algoritama i alata, uključujući Protege i Microsoft SQL Server: Integration and Analysis Services.
        Literatura
        1. Jiawei Han, Micheline Kamber, Data Mining: Concepts and Techniques, Morgan Kaufmann Publishers, USA
        2. H. Peter Alesso, Craig F. Smith, Developing Semantic Web Service, A K Peters, USA
        3. Larose D. , Discovering Knowledge in Data: An Introduction to Data Mining, Wiley, 2005
        4. Antoniou G., van Harmelen F. , A Semantic Web Primer, Second Edition, Cooperative Information Systems, The MIT Press, 2009
        5. Najnoviji radovi po izboru predavača
        Broj časova aktivne nastave nedeljno tokom semestra/trimestra/godine
        Predavanja Vežbe DON Studijski i istraživački rad Ostali časovi
        2 2
        Metode izvođenja nastave Predavanja, auditorne vežbe sa demonstracijama, projekt
        Ocena znanja (maksimalni broj poena 100)
        Predispitne obaveze Poena Završni ispit Poena
        Aktivnosti u toku predavanja 0 Pismeni ispit 20
        Praktična nastava 0 Usmeni ispit 20
        Projekti 60
        Kolokvijumi 0
        Seminari 0