Fakultet tehničkih nauka

Predmet: Matematičke osnove veštačke inteligencije (17.DOM60)

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
Predavanja
Studijski istraživački rad