Courses – Fakultet tehničkih nauka u Novom Sadu

Subject: (22.EAI024)

Type of studies	Title
Master Academic Studies	Artificial Intelligence and Machine Learning (Year: 2, Semester: Winter)
Master Academic Studies	Artificial Intelligence and Machine Learning (Year: 2, Semester: Winter)
Master Academic Studies	Artificial Intelligence and Machine Learning (Year: 2, Semester: Winter)

General information:

Category	Professional-applicative
Scientific or art field	Automatic Control and System Engineering
ECTS	6

Studenti će biti osposobljeni da implementiraju AI algoritme oslanjajući se na moderne softverske platforme, pre svega Cloud sisteme. Biće upoznati sa postojećim hardverskim platformama zasnovanim na komponentama za pametne telefone, koji su osnov za AI rešenja u uređajima koji se nalaze na ivici između fizičkog i računarskog sistema (Edge devices). Biće upoznati sa zahtevima koji se pred AI platforme danas postavljaju, te osposobljeni da ispunjenost tih zahteva ocene i kvantifikuju: višekorisnički rad, performanse, komunikacije, itd. Konačno, studenti će, kroz analizu zahteva, biti osposobljeni da implementiraju odgovarajuće Cloud rešenja (poseban osvrt na AWS i Azure), te da rešenja zasnovana na Tensorflow biblioteci iskoriste u visoko-distribuiranim sistemima

Student je osposobljen da stečena znanja neposredno primeni u implementaciji savremenih rešenja u Cloud okruženju. Student je stekao iscrpna i savremena znanja iz oblasti platformi za industrijsku primenu AI rešenja. Studenti je sposoban da projektuje i implementira sistem koji se sastoji iz senzora i serverskih komponenti i da u takvom okruženju primeni rešenja bazirana na veštačkoj inteligenciji i mašinskom učenju.

1) Arhitekura rešenja sa pametnim uređajima 2) Senzori u rešenjima sa pametnim uređajima 3) Proračuni u rešenjima sa pametnim uređajima 4) Kako postići visoke performanse 5) Proračuni na strani servera (u oblaku); 6) Visoke perfromanse na strani servera 7) Proračuni na strani servera 8) Prilagođavanje AI altorimata radu na pamethin uređajima 9) Prilagođavanje AI algiritama radu na modernims serverskim platformama 10) Testiranje rešenja sa kraja na kraj 11) Povećanje ukupnih perfromansi sistema

Predavanja; Računarske vežbe; Konsultacije. Mentorski rad kroz izradu domaćih zadataka i obaveznog projekta na kraju predmeta. Praktična nastava će se na predmetu obavljati dvojako: na računarskim vežbama i kroz samostalne projekte. U izvođenju praktične nastave koristiće se Microsoft .NET (programski jezik C#), kao i provajderi Cloud servisa AWS i Microsoft Azure. Kroz praktičnu nastavu, studenti će samostalno projektovati inteligentne softverske sisteme i implementirati projektovane sisteme uz oslonac na komercijalne Cloud servise. Kroz niz praktičnih primera, studenti će biti osposobljeni da optimizuju rad i maksimizuju performanse implementiranih sistema, te da uspešno integrišu Cloud servise sa servisima i obradama koje se vrše na pametnim (Edge) uređajima.

Authors	Title	Year	Publisher	Language
Bill Wilder	Cloud Architecture Patterns: Using Microsoft Azure	2012	O'Reilly Media	English
Perry Lea	IoT and Edge Computing for Architects: Implementing edge and IoT systems from sensors to clouds with communication systems, analytics, and security	2020	Packt Publishing	English

Course activity	Pre-examination	Obligations	Number of points
Project	Yes	Yes	30.00
Homework	Yes	Yes	5.00
Homework	Yes	Yes	5.00
Homework	Yes	Yes	5.00
Final exam - part two	No	Yes	20.00
Final exam - part one	No	Yes	30.00
Homework	Yes	Yes	5.00