Predmet: Osnove mašinskog učenja sa primenama (22.EAI017 )
Matične organizacione jedinice predmeta:
Studijski programi predmeta:
Stepen i vrsta studija | Naziv |
---|---|
Master akademske studije | Veštačka inteligencija i mašinsko učenje (Godina: 1, Zimski) |
Master akademske studije | Veštačka inteligencija i mašinsko učenje (Godina: 1, Zimski) |
Kategorija | Naučno-stručni |
Uža naučna oblast | Telekomunikacije i obrada signala |
Multidisciplinarna | Ne |
ESPB | 6 |
Cilj:
Razumevanje koncepata i algoritama mašinskog učenja uključujući poznavanje teorijskih osnova i osposobljavanje za analizu i praktičnu primenu. Studenti se upoznaju sa osnovnim algoritmima nadgledanog i nenadgledanog učenja, uz primere dobre prakse i savete za primenu ovih algoritama.
Ishod:
Student je osposobljen da prepozna vrstu problema mašinskog učenja, izabere odgovarajuće algoritme i implementira ih u odgovarajućim softverskim paketima. Ume da adekvatno evaluira performanse dobijenih modela i da kombinuje razne vrste normalizacije podataka, redukcije dimenzionalnosti sa algoritmima mašinskog učenja nad podacima različite prirode i obima. Student je osposobljen da prevazilazi probleme koji se mogu javiti u praksi kao što je natprilagođenje i potreba za augmentacijom podataka.
Sadržaj:
Komponente sistema mašinskog učenja i osnovne vrste učenja. Osnovni pojmovi: funkcija cene, natprilagođenje, regularizacija, evaluacija performansi, problem dimenzionalnosti, validacioni postupci, kompromis pristrasnost/varijansa.
Pregled osnovnih algoritama sa detaljnom matematičkom osnovom, primerima i implementacijom kroz vežbe:
Bajesova teorija učenja, kriterijumi odlučivanja i diskriminantne funkcije, primeri sa Gausovom raspodelom,
Metodologija izvođenja nastave:
Predavanja, računarske vežbe (u odgovarajućim programskim okruženjima), domaći zadaci, konsultacije, aktivno učenje kroz projekat i istraživanje naučnih publikacija, rad na realnim problemima iz oblasti mašinskog učenja kroz saradnju sa privredom i javnim sektorom (zdravstvo, državna uprava i sl.).
Literatura:
Autori | Naziv | Godina | Izdavač | Jezik |
---|---|---|---|---|
2012 | Engleski | |||
2020 | Engleski | |||
2019 | Engleski |
Formiranje ocene:
Predmetna aktivnost | Predispitna | Obavezna | Broj poena |
---|---|---|---|
Pismeni deo ispita - kombinovani zadaci i teorija | Ne | Da | 50.00 |
Domaći zadatak | Da | Da | 5.00 |
Domaći zadatak | Da | Da | 5.00 |
Predmetni projekat | Da | Da | 30.00 |
Domaći zadatak | Da | Da | 5.00 |
Domaći zadatak | Da | Da | 5.00 |
Izvođači nastave:
prof. dr Sečujski Milan
Redovni profesor
Predavanja
Asistent sa doktoratom Nosek Tijana
Asistent sa doktoratom
Računarske vežbe
Asistent Šobot Srđan
Asistent
Računarske vežbe
prof. dr Lončar-Turukalo Tatjana
Redovni profesor