Fakultet tehničkih nauka

Predmet: Projekti primene veštačke inteligencije i mašinskog učenja (22.EAI074)

Matične organizacione jedinice predmeta:
Osnovne informacije:
 
Kategorija Stručno-aplikativni
Uža naučna oblast Primenjene računarske nauke i informatika
Multidisciplinarna Ne
ESPB 7
Cilj:

Kroz niz gostujućih predavanja nastavnika iz inostranstva sa velikim iskustvom i kompetencijama iz oblasti veštačke inteligencije, predmet će studentima prezentovati aktuelne projekte primene veštačke inteligencije i mašinskog učenja. Na vežbama će studenti biti podeljeni u grupe sa srodnim temama za master radove i kroz saradnju sa mentorima sa fakulteta i komentorima iz privrede radiće timski i individualno na projektima koji će svakom od njih unaprediti master tezu. Pored direktnog upoznavanja sa stanjem u oblasti i perspektivama razvoja veštačke inteligencije i posebno primenama mašinskog učenja, cilj je da studenti pojačaju svoje iskustvo u timskom radu i saradnji sa stručnjacima iz privrede.

Ishod:

Nakon ovog predmeta studenti će imati jasnu predstavu o trendovima u razvoju veštačke inteligencije i mašinskog učenja. Steći će veće iskustvo u timskom radu na projektima i saradnji s komentorima iz privrede, a projekte će iskoristiti za unapređenje kvaliteta svojih master teza. Predmet će im omogućiti da brže i kvalitetnije zaokruže istraživanja i eksperimente za izradu master rada, kao i da se pripreme za rad u privredi, ali i osposobe za dalje usavršavanje i obrazovanje.

Sadržaj:

Teorijska nastava U izvođenju nastave će učestvovati veći broj nastavnika i saradnika sa ovog studijskog programa. Teme predavanja, kao i gostujući nastavnici iz inostranstva i predavači iz privrede će se birati spram interesovanja studenata i master teza koje su izabrali. 1. Predavanja odabranih nastavnika iz inostranstva, ali i stručnjaka iz Srbije uključujući i predavače iz privrede, na kojima će biti predstavljeni aktuelni projekti razvoja i primene veštačke inteligencije i mašinskog učenja. 2. Predavanja mentora izabranih master teza i njihovih komentora iz privrede sa ciljem da se studentima prošire znanja iz tema koje su privukle pažnju studenata prilikom izbora master teza. 3. Predavanja po pozivu na teme izbornih oblasti veštačke inteligencije i mašinskog učenja: 3.1. Obrada prirodnog govora 3.2. Kompjuterski vid 3.3. Robotika 3.4. Veštačka inteligencija u medicini 3.5. Inteligentno softversko inženjerstvo u analizi podataka i teksta 3.6. Inteligentni sistemi za podršku odlučivanju 3.7. Veštačka inteligencija za autonomna vozila 3.8. Edge-AI 3.9. Inženjerstvo informacionih sistema zasnovanih na veštačkoj inteligenciji Praktična nastava Studenti će biti podeljeni u grupe sa srodnim temama master teza definisanih u komentorstvu sa predavačima iz privrede. Za pojedine grupe će biti definisani odgovarajući projekti na kojima će raditi timski i individualno, uz podršku mentora i komentora iz privrede. Biće organizovano svojevrsno nadmetanje timova koji će pri kraju semestra prezentovati rezultate svojih projekata. Svako će iskoristiti timski projekat da unapredi deo svog master rada i ubrza njegovu izradu.

Metodologija izvođenja nastave:

Predavanja nastavnika iz inostranstva će se izvoditi prilikom njihovog gostovanja u Novom Sadu ili on-line, snimati i arhivirati na ovom predmetu. Vežbe i timski rad po grupama će se odvijati u laboratorijama FTN u NTP. Predispitne obaveze se svode na taj projekat u saradnji sa privredom – uslov za izlazak na ispit je 35 od 70 bodova. Projekti se definišu u saradnji sa partnerima iz privrede, a inicijalan spisak projekata je raspoloživ već na početku semestra. Samostalni deo rada studenta podržan je preko web portala katedri sa kojih su mentori. Završni ispit je pismeni i predstavlja proveru stečenih saznanja sa održanih predavanja o aktuelnim projektima i perspektivama daljeg razvoja veštačke inteligencije i mašinskog učenja.

Literatura:
Autori Naziv Godina Izdavač Jezik
Panesar, A. Machine Learning and AI for Healthcare 2019 Apress. Engleski
Murphy, R.R. Introduction to AI robotics 2019 MIT press Engleski
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. Engleski
Kamath, U., Liu, J. and Whitaker, J. Deep learning for nlp and speech recognition (Vol. 84) 2019 Springer Engleski
Prince, S.J. Computer Vision: Models, Learning, and Inference 2012 Cambridge University Press Engleski
Mohammed, M., Khan, M.B. and Bashier, E.B.M. Machine learning: algorithms and applications 2016 Crc Press Engleski
Goodfellow, I., Bengio, Y., Courville, A. Deep Learning 2017 MIT Press Cambridge Engleski
Formiranje ocene:
Predmetna aktivnost Predispitna Obavezna Broj poena
Usmeni deo ispita Ne Da 30.00
Predmetni projekat Da Da 50.00
Seminarski rad Da Da 20.00
Izvođači nastave:
API Image

prof. dr Delić Vlado

Redovni profesor

Predavanja
Predavanja
Predavanja
Računarske vežbe
Računarske vežbe
Računarske vežbe
API Image

Popović Branislav

viši naučni saradnik

Računarske vežbe