Courses – Fakultet tehničkih nauka u Novom Sadu

Subject: (22.EAI061)

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

General information:

Category	Scientific-professional
Scientific or art field	Information-Communication Systems
ECTS	6

Cilj predmeta je upoznavanje studenata sa načinima korišćenja metoda i tehnika veštačke inteligencije i mašinksog učenja za analizu emocija ljudi i procesirnje socijalnih signala (observabilnih ponašanja ljudi u socijalnim interakcijama, koja su povezana i odražavau interno emotivno stanje ljudi). U okviru kursa studenti će biti upoznati sa nauticajnijim pristupima za analizu emocija baziranih na klasičnim metodama veštačke inteligencije, kao i na dubokom učenju

Studenti će po završetku kursa imati znanja i veštine koje će im omogućiti da koriste tehnike klasične veštačke inteligencije i dubokog učenja za rešavanje praktičnih problema iz domena informacionih tehnologija. Pored toga steći će praktične veštine razvoja programskih rešenja korišćenjem OpenCV, scikit-learn, Caffe, TensorFlow i PyTorch okruženja za razvoj sistema veštačke inteligencije.

Predmet će pokriti sledeće oblasti: detekciju lica, analizu izraza lica. gestova i kreatanja ljudi u slikama i videu, detekciju emocija na osnovu audio zapisa govora, primenu tehnika za analizu prirodnog govora za detekciju osećanja i multimodalne pristupe za procesiranje socijalnih signala u kompleksnim socijalnim interakcijama, zasnovane na istovremenom procesiranju zvuka i videa. Teorijsku nastavu će pratiti praktična obuka iz implementacije programskih rešenja u okruženjima OpenCV, scikit-learn, Caffe, TensorFlow i PyTorch.

Predavanja i laboratorijske vežbe, testovi i individualni zadatak (projekat). U okviru vežbi će studenti biti osposobljeni za implementaciju programskih rešenja u programskom okruženjima OpenCV, scikit-learn, Caffe, TensorFlow i PyTorch. Usvajanje teoretskih znanja sa predavanja će se proveravati testovima i na usmenom ispitu, a individualni zadatak će uključivati praktičnu implementaciju sistema mašinskog učenja za analizu socijalnih signala, odgovarajuće složenosti u saradnji sa kompanijama koje primenjuju duboko učenje i u okviru prakse na koju će primiti studente u koordinaciji sa predavačem kursa. Predispitne obaveze činiće uspešno završen i odbranjen samostalni predmetni projekat, kao i skupljen adekvatan broj bodova sa vežbi - uslov za izlazak na ispit je 25 od 50 bodova.

Authors	Title	Year	Publisher	Language
Burgoon, N. Magnenat-Thalmann, M. Pantic, & A. Vinciarelli	Social Signal Processing, Cambridge	2017	Cambridge University Press	English
Goodfellow, I., Bengio, Y., Courville, A.	Deep Learning MIT Press	2017	MIT Press	English