×
Универзитет у Новом Саду

Предмет: Машинско учење (17.DE120)

Основне информације:
 
Категорија Научно-стручни
Ужа научна област Електроника
ЕСПБ 10

Циљ предмета је да студенте упозна са основама, трендовима и алатима у развоју алгоритама машинског учења, као и у развоју готових решења.

Студенти који успешно заврше овај предмет моћи ће да прате најновије резултате, разумеју стручну и истраживачку литературу и укључе се у научни рад из ове области. Поред теоријских знања студенти ће такође стећи знања неопходна за коришћење савремених алата из области пројектовања система машинског учења.

Увод у машинско учење. Преглед стандардних метода машинског учења (Формал модел учења. Support Vector Machines, Decision Trees, Artificial Neural Networks). Дубоко учење. Технике регуларизације дубоког учења. Технике оптимизације дубоких модела. Конволуционе неуронске мреже (Convolutional Neural Networks). Рекурентне и рекурзивне мреже. Аутоматско генерисање топологије неуронских мрежа (Neural Architecture Search). Аутоенкодери (Autoencoders). Дубоки генеративни модели (Deep Generative Models). Дубоко Reinforcement учење.

Настава ће се изводити индивидуално са сваким студентом. Наставник ће у сарадњи са сваким студентом да одабере његове (или њене) области интересовања и у складу са тим одабрати литературу и тему коју студент треба да самостално одбрани и презентира. Студијски истраживачки рад.

Аутори Назив Година Издавач Језик
Shai Shalev-Shwartz, Shai Ben-David Understanding Machine Learning - From Theory to Algorithms 2014 Цамбридге Университy Пресс Енглески
Предметна активност Предиспитна Обавезна Број поена
Предметна активност
Предметни пројекат
Предиспитна
Да
Обавезна
Да
Број поена
50.00
Предметна активност
Теоријски део испита
Предиспитна
Не
Обавезна
Да
Број поена
50.00

Предавања

Предавања