Courses – Fakultet tehničkih nauka u Novom Sadu

Subject: (22.EAI028)

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

General information:

Category	Theoretical-methodological
Scientific or art field	Information-Communication Systems
ECTS	6

Cilj predmeta je upoznavanje studenata sa savremenim sistemima poslovne inteligencije, koji podrazumevaju obradu velike količine podataka i primenu mašinskog učenja i veštačke inteligencije za otkrivanje znanja u poslovnim podacima. Studenti će razumeti osnovne koncepte u oblasti poslovne inteligencije i ovladati primenom alata za razvoj ovih sistema.

Studenti će po završetku kursa imati znanja i veštine koje će im omogućiti da primene tehnike mašinskog učenja, veštačke inteligencije kao i vizualizacije podataka za rešavanje savremenih poslovnih problema. Pored toga steći će praktične veštine razvoja programskih rešenja korišćenjem Jupyter Labs okruženja za eksplorativnu analizu podataka i razvoj modela zasnovanih na mašinskom učenju (kao i treniranje neuronskih mreža) odnosno okruženja za samouslužnu poslovnu inteligenciju Microsoft Power BI . Takođe, studenti će u okviru predmeta biti obučeni za praktičnu implementaciju sistema za preporuku proizvoda i usluga na bazi klasičnog mašinskog učenja i dubokog učenja kroz praktičnu i teorijsku obuku zasnovanu na kursu NVIDIA Instituta za duboko učenje (Deep Learning Institute (DLI) ) Razvoj inteligentnih sistema za poručivanje i dobiti priliku da iz te oblasti dobiju NVIDIA DLI sertifikat.

Predmet će pokriti sledeće oblasti: osnovni koncepti sistema poslovne inteligencije, izvori i vrste podataka u sistemima poslovne inteligencije (baze i skladišta podataka, strukturirani, slabo strukturirani i nestrukturirani podaci), ETL ( Extract, Transform, Load) proces, istraživačka (eksploratorna) analiza podataka, osnovne metode nadlgledanog i nenadgledanog učenja u ovakvim sistemima (klastering, otkrivanje pravila asocijacije, klasifikacija i regresija), metode vizualizacije podataka i definisanje i kalkulacija mera i ključnih indikatora performansi, kao i razvoj inteligentnih sistema za preporuku proizvoda i usluga zasnovanih na klasičnom mašinskom učenju i dubokom učenju. Teorijsku nastavu će pratiti praktična obuka iz implementacije programskih rešenja (modela mašinskog učenja odnosno neuronskih mreža) u okruženju Jupyter Labs, razvoja sistema za preporuku primenom metoda dubokog učenja u okruženju TensorFlow i njihovu primenu za razvoj servisa u oblaku zasnovanu na NVIDIA Triton sistemu, kao i iz vizualizacije podataka odnosno razvoja kontrolnih tabli ( Dashboards ) upotrebom alata za samouslužnu poslovnu inteligenciju Microsoft Power BI .

Predavanja i laboratorijske vežbe, testovi i individualni zadatak (projekat). U okviru laboratorijskih vežbi će studenti biti osposobljeni za implementaciju programskih rešenja u programskom okruženjima Jupyter Labs, TensorFlow i NVIDIA Triton sistemu, odnosno za vizualizaciju podataka i razvoj kontrolnih tabli ( Dashboards ) u alatu za samouslužnu poslovnu inteligenciju Microsoft Power BI . Usvajanje teoretskih znanja sa predavanja će se proveravati testovima i na usmenom ispitu, a individualni zadatak će uključivati praktičnu implementaciju sistema poslovne inteligencije odgovarajuće složenosti. Predispitne obaveze činiće uspešno završen i odbranjen samostalni studentski projekat - uslov za izlazak na ispit je 25 od 50 bodova.