Машинско учење 1 | Факултет Техничких Наука

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

Рачунарске вежбе

ОРГАНИЗАЦИЈА

ДОКУМЕНТА

ЗАПОСЛЕНИ

КОНКУРСИ

Галерије

АКРЕДИТАЦИЈА

КОНТАКТ

АКРЕДИТАЦИЈА

КОНТАКТ

Студентска служба

Предмет: Машинско учење 1 (17.EK466)

Контакт: