×
Универзитет у Новом Саду

Предмет: Машинско учење 1 (17.EK466)

Основне информације:
 
Категорија Теоријско-методолошки
Ужа научна област Телекомуникације и обрада сигнала
ЕСПБ 6

Упознавање са основним концептима и алгоритмима машинског учења укључујући њихове теоријске основе, анализу и практичне примене. Студенти ће имати могућност да разумеју и примене основне алгоритме надгледаног и ненадгледаног учења уз примере добре праксе и савете за примену ових алгоритама.

Студенти ће моћи да идентификују проблеме који се решавају приступима машинског учења. Умеће да интерпретирају и анализирају различите алгоритме машинског учења, имплементирају их у програмском језику Python и евалуирају њихове перформансе. Научиће да комбинују алгоритме и саставе ток обрада од поступака за предобраду података, до евалуације коришћених приступа. Стицање неопходних искустава за превазилажење проблема током примена алгоритама (тачност, рачунарски захтеви, натприлагођење, регуларизација).

Увод и основни појмови. Компоненте система машинског учења и основне врсте учења. Различите врсте проблема машинског учења. Основни концепти: функција циља, натприлагођење, регуларизација, евалуација перформанси, проблем димензионалности, валидациони поступци, компромис пристрасност/варијанса. Надгледано учење (Бајесова теорија учења, квадратни класификатори, параметарска и непараметарска естимација густине вероватноће (максимална веродостојност и Бајесова естимација, KDE, kNN), линеарна и логистичка регресија, линеарне дискриминантне функције, неуралне мреже, метод вектора носача). Ненадгледано учење (k-means, хијерархијска кластеризација), редукција димензионалности: PCA и LDA.

Предавања, рачунарске вежбе (Python и друга одговарајућа програмска окружења), домаћи задаци, консултације, активно учење, учење кроз пројекат и истраживање, радионице.

Аутори Назив Година Издавач Језик
Црнојевић, В. Препознавање облика за инжењере 2014 Факултет техничких наука, Нови Сад Српски језик
Bishop, C.M. Pattern Recognition and Machine Learning 2006 Springer, New York Енглески
Kevin Murphy Machine Learning: A Probabilistic Perspective 2012 MIT Press Енглески
Richard O. Duda, Peter E. Hart, David G. Stork Pattern Classification, 2nd Edition 2001 Wiley Енглески
Предметна активност Предиспитна Обавезна Број поена
Предметна активност
Домаћи задатак
Предиспитна
Да
Обавезна
Да
Број поена
5.00
Предметна активност
Домаћи задатак
Предиспитна
Да
Обавезна
Да
Број поена
5.00
Предметна активност
Предметни пројекат
Предиспитна
Да
Обавезна
Да
Број поена
30.00
Предметна активност
Присуство на рачунарским вежбама
Предиспитна
Да
Обавезна
Да
Број поена
2.00
Предметна активност
Домаћи задатак
Предиспитна
Да
Обавезна
Да
Број поена
5.00
Предметна активност
Писмени део испита - комбиновани задаци и теорија
Предиспитна
Не
Обавезна
Да
Број поена
50.00
Предметна активност
Присуство на предавањима
Предиспитна
Да
Обавезна
Да
Број поена
3.00

Предавања

API Image

проф. др Милан Сечујски

Редовни професор

Предавања

Рачунарске вежбе