Courses – Fakultet tehničkih nauka u Novom Sadu

Subject: (22.EAI003)

Type of studies	Title
Master Academic Studies	Artificial Intelligence and Machine Learning (Year: 1, Semester: Summer)

General information:

Category	Professional-applicative
Scientific or art field	Applied Computer Science and Informatics
ECTS	6

Osposobljavanje studenta za praktičnu primenu tehnika, metoda i alata za odgovarajuće procese rada u mašinskom učenju (Machine Learning Workflows).

Student je upoznat sa procesima rada u mašinskom učenju (Machine Learning Workflows). Student je obučen da kreira procese rada mašinskog učenja i da upotrebljava odgovarajuće tehnike, okruženja i alate za njihovu podršku.

Akcenat predmeta je na novoj paradigmi u razvoju softvera u kojoj se problemi rešavaju pomoću mašinskog učenja i gde je akcenat na formiranju skupa podataka, umesto na pisanju softverskog koda (Software 2.0). Predmet će predstaviti alate i okruženja za podršku sledećih procesa rada u mašinskom učenju (Machine Learning Workflows): (1) Prikupljanje zahteva (2) Prikupljanje podataka (3) Čišćenje podataka (4) Označavanje podataka (5) Inženjering karakteristika (6) Treniranje modela (7) Evaluacija modela (8) Primena modela (9) Monitoring modela. Automatizovana, procesno-orijentisana (DataOps) metodologija za poboljšanje kvaliteta i minimizaciju trajanja ciklusa analize podataka. Primena modela mašinskog učenja u BigData scenarijima. Računarske i laboratorijske vežbe koje prate ovaj kurs su osmišljene na takav način da kroz praktičan rad sa postojećim softverskim alatima za trening standardnih prediktivnih modela mašinkog i dubokog učenja (Scikit-Learn, Keras/TensorFlow ), praktično primene teorijske koncepte koji će biti obrađivani na predavanjima. Neizostavni deo predmeta je samostalni studentski projekat, gde je ideja da student samostalno, uz konsultacije sa predavačima, odabere problem iz oblasti mašinskog učenja na kome će demonstrirati celokupan proces rada u mašinskom učenju. Po završetku projekta, student prezentuje svoje istraživanje u okviru izveštaja.

Predavanja se izvode uz prateće prezentacije. Praćena su računarskim vežbama koje će se oslanjati na programski jezik Python i druga odgovarajuća programska okruženja. Aktivno učenje kroz projekat i istraživanje relevantnih naučnih publikacija uz redovne konsultacije. Rad na realnim problemima iz oblasti mašinskog učenja

Authors	Title	Year	Publisher	Language
Ian H. Witten, Eibe Frank, Mark A. Hall	Data Mining: Practical Machine Learning Tools and Techniques	2011	Elsevier	English
Hannes Hapke and Catherine Nelson	Building Machine Learning Pipelines	2020	O‘Reilly Media, Inc.	English
Aurelien Geron	Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow, 2nd Edition	2019	O'Reilly Media Inc.	English
Andriy Burkov	Machine Learning Engineer	2020	True Positive Inc.	English
David Sweenor, Steven Hillion, Dev Kannabiran, Thomas Hill and Michael O‘Connel	ML Ops: Operationalizing Data Science	2020	O‘Reilly Media, Inc.	English