Детална содржина по поглавја и единици
- Вовед: системи базирани на знаење. Резултати од учењето: стекнување знаења за компонентите на системите базирани на знаење, областите на нивна примена и предностите од примената. Да се запознаат со видовите системи базирани на знаење.
- Архитектура на системите базирани на знаење. Резултати од учењето: стекнување знаења за основните компоненти на системите базирани на знаење и разликите од конвенционалните системи; стекнување знаења за конвергирањето на податоците и информациите во знаење, како и да ги дискутираат различните типови на знаење.
- Инженеринг на знаењето: стекнување, репрезентација и расудување. Резултати од учењето: стекнување знаења за методите за развој на систем базиран на знаење, техниките и чекорите за стекнување знаење, методите на претставување на знаење.
- Развојни алатки и средини за развој на системи базирани на знаење. Резултати од учењето: запознавање со различните алатки и
средини за развивање на системи базирани на знаење. 5. Откривање на знаењето од податоци: Методи за откривање групи. Расудување и заклучување. Резултати од учењето: потсетување на различните видови податоци, и нивното распоредување во групи; запознавање со метриката за различност на примероците; запознавање со алгоритмите за: хиерархиското распоредување во групи, методот лидери (методот центроид), методот k-means и методот k-means++; стекнување знаење за интерпретација на податоците. 6. Проекција и намалување на димензионалноста. Резултати од учењето: запознавање со методите главни компоненти, MDS и t-SNE како и стекнување знаење да се дискутираат предностите и недостатоците на методите; стекнување знаење за постапката за одредување на бројот на главни коефициенти; примена на дијаграмот за разложување на варијансата; запознавање со алгоритамот за одредување на сопствените вредности. 7. Линеарна регресија. KNN, Регресиски дрвја и регресиски шуми. Резултати од учењето: запознавање со методите линеарна регресија и полиномна регресија; запознавање со алгоритамот за оптимизација на моделот (пакетно и стохастично намалување на градиентот); да се дискутира за разликите помеѓу методите учење без надзор и учење со надзор запознавање со методите најблизок сосед, регресиски дрвја и регресиски шуми и стекнување знаење за примена на овие методи; запознавање со мерките RTSE и R²; запознавање со техниките за вреднување на успешноста на модели. 8. Системи за препораки. Резултати од учењето: запознавање со карактеристиките на системите за препораки и постапката на основните модели за препораки; запознавање со методите пристрасни препораки и матрична факторизација; стекнување знаење да креираат преферентна матрица и да го применуваат алгоритамот RISMF. 9. Баесов класификатор. Класификациски дрвја и шуми. Резултати од учењето: запознавање со Баесовата теорема, како математичко правило кое го опишува чинот на учење, Наивниот Баесов класификатор и Баесовите мрежи како модел за каузално заклучување; примена на Баесовата теорема и алгоритамот за креирање модел за класификација. 10. Мултиагентен систем заснован на знаење. Резултати од учењето: запознавање со компонентите на екосистемот за е-учење, со различни решенија за е-учење и со мултиагентниот пристап базиран на знаење; стекнување со знаење за системската архитектура на мултиагентниот систем базиран на знаење и моделите за претставување на знаењето кај овие системи; запознавање со техниката учење базирано на искуство, преку примерот за планирање на исхраната. Лабораториски и аудиториски вежби: Развојни алатки и средини за развој на системи базирани на знаење; Дизајн и развој на системи базирани на знаење. Резултати од учењето: примена на развојни алатки и средини и дизајн и развој на систем базиран на знаење.