Stranice predmeta – Fakultet tehničkih nauka u Novom Sadu

Predmet: Matematičke osnove veštačke inteligencije (17.DOM60)

Stepen i vrsta studija	Naziv
Doktorske studije	Inženjerstvo informacionih sistema (Godina: 1, Semestar: Zimski)
Doktorske studije	Matematika u tehnici (Godina: 1, Semestar: Zimski)
Doktorske studije	Matematika u tehnici (Godina: 2, Semestar: Zimski)

Osnovne informacije:

Kategorija	Naučno-stručni
Uža naučna oblast	Primenjene računarske nauke i informatika Teorijska i primenjena matematika
ESPB	10

Ovladavanje potrebnim teoretskim znanjima iz različitih oblasti matematike da bi u potpunosti razumeli i lakše ovladali tehnikama veštačke inteligencije kao i odobranim primerima primene. Student se osposobljava za korišc´enje odgovarajućeg softvera (Matlab-fuzzy toolbox).

Stečena znanja su osnova za razumevanje osnovnih tehnika veštačke inteligencije i rešavanje složenih problema koji zahtevaju računarsku inteligenciju, a ne mogu se rešiti primenom konvencionalnih matematičkih pristupa. Predmet je aplikativne prirode pa se naučene tehnike koriste u rešavanju mnogih praktičnih problema prakse.

Neuronske mreže: feedforvard (nepovratne) neuronske mreže; buka neuronskih mreža; prostiranje greške u nazad; regularizacija u neuronskim mrežama; Bajesovske mreže; Deep-learning neuronske mreže. Kernel metode: dualne reprezentacije; konstrukcija jezgra; radijalna funkcija; klasifikator maksimalne margine; support vector mašine. Evolutivne metode: genetski algoritmi; genetsko programiranje; inteligencija mnoštva; evolutivne strategije. Fazi sistemi: fazi skupovi; fazi logika; fazi relacije; fazi odlučivanje.

Predavanja. Konsultacije. Praktični deo gradiva studenti rade i polažu u računarskom laboratorijima rešavajući obavezne zadatke koji se ocenjuju. Programiranje se radi u programskom jezicima C i Matlab. Studenti mogu raditi neobavezne zadatke i tu mogu steći dodatne poene. Dogovoreni deo materijala (koji čini celinu) se oralno izlaže i predaje u pisanoj formi kao seminarski rad. Deo gradiva koja čini logičku celinu može se polagati u vidu parcijalnih ispita koji su sastavni deo ispita. Parcijalni ispiti se polažu u pisanoj formi. Usmenio deo završnog ispita je eliminatoran.

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

Predmetna aktivnost	Predispitna	Obavezna	Broj poena
Predmetna aktivnost Pismeni deo ispita - kombinovani zadaci i teorija	Predispitna Ne	Obavezna Da	Broj poena 40.00
Predmetna aktivnost Prisustvo na predavanjima	Predispitna Da	Obavezna Da	Broj poena 5.00
Predmetna aktivnost Usmeni deo ispita	Predispitna Ne	Obavezna Da	Broj poena 15.00
Predmetna aktivnost Predmetni(projektni)zadatak	Predispitna Da	Obavezna Da	Broj poena 40.00
Predmetna aktivnost Seminarski rad	Predispitna Da	Obavezna Ne	Broj poena 0.00
Predmetna aktivnost Domaći zadatak	Predispitna Da	Obavezna Ne	Broj poena 0.00

ORGANIZACIJA

DOKUMENTA

ZAPOSLENI

KONKURSI

AKREDITACIJA

KONTAKT

AKREDITACIJA

KONTAKT

Studentska služba

Predmet: Matematičke osnove veštačke inteligencije (17.DOM60)

Studijski programi predmeta:

prof. dr Ralević Nebojša

Predavanja

prof. dr Ralević Nebojša

Studijski istraživački rad

Kontakt: