Courses – Fakultet tehničkih nauka u Novom Sadu

Subject: (22.EAI025)

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

General information:

Category	Professional-applicative
Scientific or art field	Electronics
ECTS	6

Cilj predmeta je da studente upozna sa mogućim hardverskim rešenjima koja se koriste prilikom projektovanja sistema koji koriste veštačku inteligenciju. Studenti će steći znanja koja će im omogućiti da odaberu hardversku platformu za implementaciju u zavisnosti od ograničenja sistema: performansi, potrošne, veličine... Studenti će biti upoznati sa osnovnim softverskim alatima specijalizovanim za korišćenje sa namenskim računarskim sistemima za veštačku inteligenciju. Posebno će biti obrađen interfejs između softverskih alata i hardverskih sistema. Studenti će biti upoznati sa alatima koji im stoje na raspolaganju za analizu dobijenih performansi i potrošnje. Dodatno, studenti će biti upoznati i sa mogućnostima za hardversku implementaciju algoritama koji se koriste u veštačkoj inteligenciji.

Nakon uspešnog završetka ovog kursa studenti će biti sposobni da: - Razumeju potrebu za namenskim računarskim sistemima za veštačku inteligenciju - Odaberu optimalnu hardversku platformu za odgovarajuću aplikaciju veštačke inteligencije - Razumeju interfejs između hardvera i softvera u sistemima veštačke inteligencije - Implementiraju zahtevanu aplikaciju veštačke inteligencije na odabranom namenskom hardverskom sistemu - Prikupe i analiziraju podatke vezane za performanse i potrošnju implementiranog sistema veštačke intelignecije - Razumeju arhitekturu i metodologiju razvoja hardverskih IP jezgara čija je primena u veštačkoj inteligenciji

Teorijska nastava - Motivacija za uvođenje namenskih računarskih sistemima za veštačku inteligenciju. - Pregled računarskih sistema na kojima se izvršavaju algoritmi veštačke inteligencije. Poređenje rešenja opšte namene sa namenskim rešenjima. Arhitekture namenskih hardverskih platformi. - Pregled softverskih paketa koji se koriste za implementaciju algoritama veštačke inteligencije i njihova veza sa namenskim računarskim sistemima. Poređenje rešenja opšte namene sa namenskim rešenjima. - Opis metodologije razvoja hardverskih IP jezgara za primenu u sistemima koji koriste algoritme veštačke inteligencije. Implementacija, simulacija i verifikacija takvih IP jezgara. Opis alata i neophodne softverske podrške za integraciju IP jezgara u sisteme. - Pregled otvorenih istraživačkih pitanja u oblasti namenskih sistema veštačke inteligencije. Praktična nastava Studenti će kroz vežbe biti osposobljeni da primene algoritme veštačke inteligencije na namenskim računarskim sistemima. Tokom vežbi proći će se kroz metodologiju razvoja za veći broj postojećih namenskih platformi. Sastavni deo kursa je i projekat. Studenti će moći da odaberu aplikaciju veštačke inteligencije i potom će biti u obavezi da je implementiraju na platofrmi po njihovom izboru. Projekat će moći da se realizuje i u saradnji sa kompanijama koje se bave veštačkom inteligencijom.

Predavanja se izvode korišćenjem prezentacija. Praktični deo kursa izvodi se u Laboratoriji za diskretne sisteme i algoritme na FTN-u. Kompanije koje se bave primenom i razvojem elektronskih sistema veštačke inteligencije primaće studente na praksu. Samostalni studentski projekat je obavezan i može se raditi u okviru neke od kompanija. Ovaj projekat je i obavezan uslov za izlazak na ispit. Studenti moraju da ostvare minimum 50% poena na projektu da bi mogli da izađu na ispit. Teorijski deo ispita moći će da se polaže kroz dva kolokvijuma u toku semestra ili kao celina u redovnim ispitnim rokovima.

Authors	Title	Year	Publisher	Language
A. Géron	Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, 2nd Ed.	2019	O'Reilly	English
Y. S. Shao, D. Brooks	Research Infrastructures for Hardware Accelerators	2015	Morgan & Claypool Publishers	English
Y. Solihin	Fundamentals of Parallel Multicore Architecture	2015	CRC Press	English
J. L. Hennessy, D. A. Patterson	Computer Architecture: A Quantitative Approach, 6th Ed.	2019	Morgan Kaufmann	English

Course activity	Pre-examination	Obligations	Number of points
Coloquium exam	No	No	15.00
Laboratory exercise defence	Yes	Yes	10.00
Written part of the exam - tasks and theory	No	Yes	30.00
Coloquium exam	No	No	15.00
Project	Yes	Yes	60.00