Математичке основе вештачке интелигенције | Факултет Техничких Наука

Предмет: Математичке основе вештачке интелигенције (17.DOM60)

Степен и врста студија	Назив
Докторске студије	Инжењерство информационих система (Година: 1, Семестар: Зимски)
Докторске студије	Математика у техници (Година: 1, Семестар: Зимски)
Докторске студије	Математика у техници (Година: 2, Семестар: Зимски)

Основне информације:

Категорија	Научно-стручни
Ужа научна област	Примењене рачунарске науке и информатика Теоријска и примењена математика
ЕСПБ	10

Овладавање потребним теоретским знањима из различитих области математике да би у потпуности разумели и лакше овладали техникама вештачке интелигенције као и одобраним примерима примене. Студент се оспособљава за коришц´ење одговарајућег софтвера (Матлаб-фуззy тоолбоx).

Стечена знања су основа за разумевање основних техника вештачке интелигенције и решавање сложених проблема који захтевају рачунарску интелигенцију, а не могу се решити применом конвенционалних математичких приступа. Предмет је апликативне природе па се научене технике користе у решавању многих практичних проблема праксе.

Неуронске мреже: feedforvard (неповратне) неуронске мреже; бука неуронских мрежа; простирање грешке у назад; регуларизација у неуронским мрежама; Бајесовске мреже; Deep-learning неуронске мреже. Кернел методе: дуалне репрезентације; конструкција језгра; радијална функција; класификатор максималне маргине; support vector машине. Еволутивне методе: генетски алгоритми; генетско програмирање; интелигенција мноштва; еволутивне стратегије. Фази системи: фази скупови; фази логика; фази релације; фази одлучивање.

Предавања. Консултације. Практични део градива студенти раде и полажу у рачунарском лабораторијима решавајући обавезне задатке који се оцењују. Програмирање се ради у програмском језицима C и Matlab. Студенти могу радити необавезне задатке и ту могу стећи додатне поене. Договорени део материјала (који чини целину) се орално излаже и предаје у писаној форми као семинарски рад. Део градива која чини логичку целину може се полагати у виду парцијалних испита који су саставни део испита. Парцијални испити се полажу у писаној форми. Усменио део завршног испита је елиминаторан.

Аутори	Назив	Година	Издавач	Језик
Bezdek, J.C. et al.	Fuzzy models and algorithms for pattern recognition and image processing	1999	Kluwer Academic Publishers, Massachusetts	Енглески
S. Russell, P. Norvig	Artificial Intelligence: A Modern Approach	2007	Pearson Education Limited	Енглески
Kevin Gurney	An introduction to neural networks	1997	London and NewYork 1997 by UCL Press	Енглески
Bishop, C.M.	Pattern Recognition and Machine Learning	2006	Springer, New York	Енглески
M. P. Deisenroth, A. A. Faisal, C. S. Ong.	Mathematics for Machine Learning	2020	Cambridge University Press	Енглески

Предметна активност	Предиспитна	Обавезна	Број поена
Предметна активност Предметни(пројектни)задатак	Предиспитна Да	Обавезна Да	Број поена 40.00
Предметна активност Усмени део испита	Предиспитна Не	Обавезна Да	Број поена 15.00
Предметна активност Семинарски рад	Предиспитна Да	Обавезна Не	Број поена 0.00
Предметна активност Домаћи задатак	Предиспитна Да	Обавезна Не	Број поена 0.00
Предметна активност Писмени део испита - комбиновани задаци и теорија	Предиспитна Не	Обавезна Да	Број поена 40.00
Предметна активност Присуство на предавањима	Предиспитна Да	Обавезна Да	Број поена 5.00

Предавања

Студијски истраживачки рад

ОРГАНИЗАЦИЈА

ДОКУМЕНТА

ЗАПОСЛЕНИ

КОНКУРСИ

Галерије

АКРЕДИТАЦИЈА

КОНТАКТ

АКРЕДИТАЦИЈА

КОНТАКТ

Студентска служба

Предмет: Математичке основе вештачке интелигенције (17.DOM60)

Студијски програми предмета:

Контакт: