Предмет: Машинско учење 1 (17 - EK466)


Основне информације

КатегоријаТеоријско-методолошки
Научна областТелекомуникације и обрада сигнала
МултидисциплинарнаНе
ЕСПБ6
Матичне организационе јединице предмета

Тренутно нема података о матичним организационим јединицама предмета!
Програм предмета

Програм се примењује од 22.08.2017..


Предмети којима је предуслов предмет Машинско учење 1

Назив предметаМора се одслушатиМора се положити
Машинско учење 2дане
Упознавање са основним концептима и алгоритмима машинског учења укључујући њихове теоријске основе, анализу и практичне примене. Студенти ће имати могућност да разумеју и примене основне алгоритме надгледаног и ненадгледаног учења уз примере добре праксе и савете за примену ових алгоритама.
Студенти ће моћи да идентификују проблеме који се решавају приступима машинског учења. Умеће да интерпретирају и анализирају различите алгоритме машинског учења, имплементирају их у програмском језику Python и евалуирају њихове перформансе. Научиће да комбинују алгоритме и саставе ток обрада од поступака за предобраду података, до евалуације коришћених приступа. Стицање неопходних искустава за превазилажење проблема током примена алгоритама (тачност, рачунарски захтеви, натприлагођење, регуларизација).
Увод и основни појмови. Компоненте система машинског учења и основне врсте учења. Различите врсте проблема машинског учења. Основни концепти: функција циља, натприлагођење, регуларизација, евалуација перформанси, проблем димензионалности, валидациони поступци, компромис пристрасност/варијанса. Надгледано учење (Бајесова теорија учења, квадратни класификатори, параметарска и непараметарска естимација густине вероватноће (максимална веродостојност и Бајесова естимација, KDE, kNN), линеарна и логистичка регресија, линеарне дискриминантне функције, неуралне мреже, метод вектора носача). Ненадгледано учење (k-means, хијерархијска кластеризација), редукција димензионалности: PCA и LDA.
Предавања, рачунарске вежбе (Python и друга одговарајућа програмска окружења), домаћи задаци, консултације, активно учење, учење кроз пројекат и истраживање, радионице.
АуториНазивГодинаИздавачЈезик
Црнојевић, В.Препознавање облика за инжењере2014Факултет техничких наука, Нови СадСрпски језик
Bishop, C.M.Pattern Recognition and Machine Learning2006Springer, New YorkЕнглески
Richard O. Duda, Peter E. Hart, David G. StorkPattern Classification, 2nd Edition2001WileyЕнглески
Kevin MurphyMachine Learning: A Probabilistic Perspective2012MIT PressЕнглески
Предметна активностПредиспитнаОбавезнаБрој поена
Предметни пројекатдада30.00
Домаћи задатакдада5.00
Домаћи задатакдада5.00
Домаћи задатакдада5.00
Писмени део испита - комбиновани задаци и теоријанеда50.00
Присуство на предавањимадада3.00
Присуство на рачунарским вежбамадада2.00
Име и презимеВид наставе
Недостаје слика

Лончар-Турукало др Татјана
Редовни професор

Предавања
Недостаје слика

Сечујски др Милан
Редовни професор

Предавања
Недостаје слика

Носек Тијана
Асистент са докторатом

Рачунарске вежбе