Fakultet tehničkih nauka

Predmet: Mašinsko učenje (17.DE120)

Matične organizacione jedinice predmeta:
Osnovne informacije:
 
Kategorija Naučno-stručni
Uža naučna oblast Elektronika
Multidisciplinarna Ne
ESPB 10
Cilj:

Cilj predmeta je da studente upozna sa osnovama, trendovima i alatima u razvoju algoritama mašinskog učenja, kao i u razvoju gotovih rešenja.

Ishod:

Studenti koji uspešno završe ovaj predmet moći će da prate najnovije rezultate, razumeju stručnu i istraživačku literaturu i uključe se u naučni rad iz ove oblasti. Pored teorijskih znanja studenti će takođe steći znanja neophodna za korišćenje savremenih alata iz oblasti projektovanja sistema mašinskog učenja.

Sadržaj:

Uvod u mašinsko učenje. Pregled standardnih metoda mašinskog učenja (Formal model učenja. Support Vector Machines, Decision Trees, Artificial Neural Networks). Duboko učenje. Tehnike regularizacije dubokog učenja. Tehnike optimizacije dubokih modela. Konvolucione neuronske mreže (Convolutional Neural Networks). Rekurentne i rekurzivne mreže. Automatsko generisanje topologije neuronskih mreža (Neural Architecture Search). Autoenkoderi (Autoencoders). Duboki generativni modeli (Deep Generative Models). Duboko Reinforcement učenje.

Metodologija izvođenja nastave:

Nastava će se izvoditi individualno sa svakim studentom. Nastavnik će u saradnji sa svakim studentom da odabere njegove (ili njene) oblasti interesovanja i u skladu sa tim odabrati literaturu i temu koju student treba da samostalno odbrani i prezentira. Studijski istraživački rad.

Literatura:
Autori Naziv Godina Izdavač Jezik
Shai Shalev-Shwartz, Shai Ben-David Understanding Machine Learning - From Theory to Algorithms 2014 Cambridge University Press Engleski
Formiranje ocene:
Predmetna aktivnost Predispitna Obavezna Broj poena
Predmetni projekat Da Da 50.00
Teorijski deo ispita Ne Da 50.00
Izvođači nastave:
Predavanja
Predavanja