Пројекти примене вештачке интелигенције и машинског учења | Факултет Техничких Наука

Предмет: Пројекти примене вештачке интелигенције и машинског учења (22.EAI074)

Степен и врста студија	Назив
Мастер академске студије	Вештачка интелигенција и машинско учење (Година: 2, Семестар: Летњи)

Основне информације:

Категорија	Стручно-апликативни
Ужа научна област	Примењене рачунарске науке и информатика
ЕСПБ	7

Кроз низ гостујућих предавања наставника из иностранства са великим искуством и компетенцијама из области вештачке интелигенције, предмет ће студентима презентовати актуелне пројекте примене вештачке интелигенције и машинског учења. На вежбама ће студенти бити подељени у групе са сродним темама за мастер радове и кроз сарадњу са менторима са факултета и коменторима из привреде радиће тимски и индивидуално на пројектима који ће сваком од њих унапредити мастер тезу. Поред директног упознавања са стањем у области и перспективама развоја вештачке интелигенције и посебно применама машинског учења, циљ је да студенти појачају своје искуство у тимском раду и сарадњи са стручњацима из привреде.

Након овог предмета студенти ће имати јасну представу о трендовима у развоју вештачке интелигенције и машинског учења. Стећи ће веће искуство у тимском раду на пројектима и сарадњи с коменторима из привреде, а пројекте ће искористити за унапређење квалитета својих мастер теза. Предмет ће им омогућити да брже и квалитетније заокруже истраживања и експерименте за израду мастер рада, као и да се припреме за рад у привреди, али и оспособе за даље усавршавање и образовање.

Теоријска настава У извођењу наставе ће учествовати већи број наставника и сарадника са овог студијског програма. Теме предавања, као и гостујући наставници из иностранства и предавачи из привреде ће се бирати спрам интересовања студената и мастер теза које су изабрали. 1. Предавања одабраних наставника из иностранства, али и стручњака из Србије укључујући и предаваче из привреде, на којима ће бити представљени актуелни пројекти развоја и примене вештачке интелигенције и машинског учења. 2. Предавања ментора изабраних мастер теза и њихових коментора из привреде са циљем да се студентима прошире знања из тема које су привукле пажњу студената приликом избора мастер теза. 3. Предавања по позиву на теме изборних области вештачке интелигенције и машинског учења: 3.1. Обрада природног говора 3.2. Компјутерски вид 3.3. Роботика 3.4. Вештачка интелигенција у медицини 3.5. Интелигентно софтверско инжењерство у анализи података и текста 3.6. Интелигентни системи за подршку одлучивању 3.7. Вештачка интелигенција за аутономна возила 3.8. Edge-AI 3.9. Инжењерство информационих система заснованих на вештачкој интелигенцији Практична настава Студенти ће бити подељени у групе са сродним темама мастер теза дефинисаних у коменторству са предавачима из привреде. За поједине групе ће бити дефинисани одговарајући пројекти на којима ће радити тимски и индивидуално, уз подршку ментора и коментора из привреде. Биће организовано својеврсно надметање тимова који ће при крају семестра презентовати резултате својих пројеката. Свако ће искористити тимски пројекат да унапреди део свог мастер рада и убрза његову израду.

Предавања наставника из иностранства ће се изводити приликом њиховог гостовања у Новом Саду или on-line, снимати и архивирати на овом предмету. Вежбе и тимски рад по групама ће се одвијати у лабораторијама ФТН у НТП. Предиспитне обавезе се своде на тај пројекат у сарадњи са привредом – услов за излазак на испит је 35 од 70 бодова. Пројекти се дефинишу у сарадњи са партнерима из привреде, а иницијалан списак пројеката је расположив већ на почетку семестра. Самостални део рада студента подржан је преко web портала катедри са којих су ментори. Завршни испит је писмени и представља проверу стечених сазнања са одржаних предавања о актуелним пројектима и перспективама даљег развоја вештачке интелигенције и машинског учења.

Аутори	Назив	Година	Издавач	Језик
Panesar, A.	Machine Learning and AI for Healthcare	2019	Apress.	Енглески
Goodfellow, I., Bengio, Y., Courville, A.	Deep Learning	2017	MIT Press Cambridge	Енглески
Bengfort, B., Bilbro, R. and Ojeda, T.	Applied Text Analysis with Python: Enabling Language-Aware Data Products with Machine Learning	2018	O'Reilly Media, Inc.	Енглески
Murphy, R.R.	Introduction to AI robotics	2019	MIT press	Енглески
Prince, S.J.	Computer Vision: Models, Learning, and Inference	2012	Cambridge University Press	Енглески
Mohammed, M., Khan, M.B. and Bashier, E.B.M.	Machine learning: algorithms and applications	2016	Crc Press	Енглески
Kamath, U., Liu, J. and Whitaker, J.	Deep learning for nlp and speech recognition (Vol. 84)	2019	Springer	Енглески

Предметна активност	Предиспитна	Обавезна	Број поена
Предметна активност Предметни пројекат	Предиспитна Да	Обавезна Да	Број поена 50.00
Предметна активност Семинарски рад	Предиспитна Да	Обавезна Да	Број поена 20.00
Предметна активност Усмени део испита	Предиспитна Не	Обавезна Да	Број поена 30.00