Predmet: Mašinsko učenje 2 (17 - EK471)


Osnovne informacije

KategorijaTeorijsko-metodološki
Naučna oblastTelekomunikacije i obrada signala
MultidisciplinarnaNe
ESPB6
Matične organizacione jedinice predmeta

Trenutno nema podataka o matičnim organizacionim jedinicama predmeta!
Program predmeta

Program se primenjuje od 22.08.2017..


Predmeti preduslovi

Naziv predmetaMora se odslušatiMora se položiti
Mašinsko učenje 1dane
Kurs upoznaje studente sa naprednim temama u oblasti mašinskog učenja sa posebnim osvrtom na teorijske osnove naprednih tehnika i alata za implementaciju. Obrađuju se teme koje se tiču specifičnih savremenih tehnika nadgledanog, nenadgledanog i polunadgledanog učenja,
Studenti će naučiti da interpretiraju i povežu različite napredne algoritme i pristupe mašinskog učenja. Naučiće da rukuju podacima, identifikuju i izaberu najpogodnije pristupe mašinskom učenju, tehnike regularizacije, kao i da nadziru proces obuke i podešavaju regularizacione parametre. Studenti će ovladati upotrebom programskih alata zasnovanih na jeziku Python.
Neuralne mreže: uvod, arhitekture i postupci obuke, evaluacija i primena. Grupno učenje: bagging i boosting. Klasterizacija - napredni algoritmi, modeli zasnovani na mešavinama i algoritam maksimizacije očekivanja (EM), grupna klasterizacija. Polunadgledani algoritmi. Skriveni Markovljevi modeli. Probabilistički grafički modeli (zaključivanje, belief propagation, praktična primena).
Predavanja, računarske vežbe (Matlab, Python), domaći zadaci, konsultacije, aktivno učenje, učenje kroz projekat i istraživanje, radionice.
AutoriNazivGodinaIzdavačJezik
Goodfellow, I., Bengio, Y., Courville, A.Deep Learning2017MIT Press, CambridgeEngleski
Kevin MurphyMachine Learning: A Probabilistic Perspective2012MIT PressEngleski
Bishop, C.M.Pattern Recognition and Machine Learning2006Springer, New YorkEngleski
Hastie, T., Tibshirani, R., Friedman, J.The Elements of Statistical Learning : Data Mining, Inference, and Prediction2009Springer, New YorkEngleski
Khanna, T.Foundations of Neural Networks1990Addison-Wesley, MassachusettsEngleski
Predmetna aktivnostPredispitnaObaveznaBroj poena
Predmetni projekatdada40.00
Domaći zadatakdada5.00
Domaći zadatakdada5.00
Pismeni deo ispita - kombinovani zadaci i teorijaneda50.00
Ime i prezimeVid nastave
Nedostaje slika

Sečujski dr Milan
Redovni profesor

Predavanja
Nedostaje slika

Lončar-Turukalo dr Tatjana
Redovni profesor

Predavanja
Nedostaje slika

Nosek Tijana
Asistent sa doktoratom

Računarske vežbe
Nedostaje slika

Šobot Srđan
Asistent

Računarske vežbe