Fakultet tehničkih nauka

Predmet: Emotivna veštačka inteligencija i afektivno računarstvo (22.EAI061)

Osnovne informacije:
 
Kategorija Naučno-stručni
Uža naučna oblast Informaciono-komunikacioni sistemi
ESPB 6

Cilj predmeta je upoznavanje studenata sa načinima korišćenja metoda i tehnika veštačke inteligencije i mašinksog učenja za analizu emocija ljudi i procesirnje socijalnih signala (observabilnih ponašanja ljudi u socijalnim interakcijama, koja su povezana i odražavau interno emotivno stanje ljudi). U okviru kursa studenti će biti upoznati sa nauticajnijim pristupima za analizu emocija baziranih na klasičnim metodama veštačke inteligencije, kao i na dubokom učenju

Studenti će po završetku kursa imati znanja i veštine koje će im omogućiti da koriste tehnike klasične veštačke inteligencije i dubokog učenja za rešavanje praktičnih problema iz domena informacionih tehnologija. Pored toga steći će praktične veštine razvoja programskih rešenja korišćenjem OpenCV, scikit-learn, Caffe, TensorFlow i PyTorch okruženja za razvoj sistema veštačke inteligencije.

Predmet će pokriti sledeće oblasti: detekciju lica, analizu izraza lica. gestova i kreatanja ljudi u slikama i videu, detekciju emocija na osnovu audio zapisa govora, primenu tehnika za analizu prirodnog govora za detekciju osećanja i multimodalne pristupe za procesiranje socijalnih signala u kompleksnim socijalnim interakcijama, zasnovane na istovremenom procesiranju zvuka i videa. Teorijsku nastavu će pratiti praktična obuka iz implementacije programskih rešenja u okruženjima OpenCV, scikit-learn, Caffe, TensorFlow i PyTorch.

Predavanja i laboratorijske vežbe, testovi i individualni zadatak (projekat). U okviru vežbi će studenti biti osposobljeni za implementaciju programskih rešenja u programskom okruženjima OpenCV, scikit-learn, Caffe, TensorFlow i PyTorch. Usvajanje teoretskih znanja sa predavanja će se proveravati testovima i na usmenom ispitu, a individualni zadatak će uključivati praktičnu implementaciju sistema mašinskog učenja za analizu socijalnih signala, odgovarajuće složenosti u saradnji sa kompanijama koje primenjuju duboko učenje i u okviru prakse na koju će primiti studente u koordinaciji sa predavačem kursa. Predispitne obaveze činiće uspešno završen i odbranjen samostalni predmetni projekat, kao i skupljen adekvatan broj bodova sa vežbi - uslov za izlazak na ispit je 25 od 50 bodova.

Autori Naziv Godina Izdavač Jezik
Ćulibrk D. Otkrivanje znanja iz podataka: odabrana poglavlja 2012 CreateSpace Srpski jezik
Goodfellow, I., Bengio, Y., Courville, A. Deep Learning MIT Press 2017 MIT Press Engleski
Burgoon, N. Magnenat-Thalmann, M. Pantic, & A. Vinciarelli Social Signal Processing, Cambridge 2017 Cambridge University Press Engleski
Predmetna aktivnost Predispitna Obavezna Broj poena
Predmetna aktivnost
Složeni oblici vežbi
Predispitna
Da
Obavezna
Da
Broj poena
30.00
Predmetna aktivnost
Test
Predispitna
Da
Obavezna
Da
Broj poena
10.00
Predmetna aktivnost
Usmeni deo ispita
Predispitna
Ne
Obavezna
Da
Broj poena
30.00
Predmetna aktivnost
Projektni zadatak
Predispitna
Da
Obavezna
Da
Broj poena
30.00
Predavanja
Računarske vežbe