Fakultet tehničkih nauka

Predmet: Mašinsko učenje 1 (17.EK466)

Osnovne informacije:
 
Kategorija Teorijsko-metodološki
Uža naučna oblast Telekomunikacije i obrada signala
ESPB 6

Upoznavanje sa osnovnim konceptima i algoritmima mašinskog učenja uključujući njihove teorijske osnove, analizu i praktične primene. Studenti će imati mogućnost da razumeju i primene osnovne algoritme nadgledanog i nenadgledanog učenja uz primere dobre prakse i savete za primenu ovih algoritama.

Studenti će moći da identifikuju probleme koji se rešavaju pristupima mašinskog učenja. Umeće da interpretiraju i analiziraju različite algoritme mašinskog učenja, implementiraju ih u programskom jeziku Python i evaluiraju njihove performanse. Naučiće da kombinuju algoritme i sastave tok obrada od postupaka za predobradu podataka, do evaluacije korišćenih pristupa. Sticanje neophodnih iskustava za prevazilaženje problema tokom primena algoritama (tačnost, računarski zahtevi, natprilagođenje, regularizacija).

Uvod i osnovni pojmovi. Komponente sistema mašinskog učenja i osnovne vrste učenja. Različite vrste problema mašinskog učenja. Osnovni koncepti: funkcija cilja, natprilagođenje, regularizacija, evaluacija performansi, problem dimenzionalnosti, validacioni postupci, kompromis pristrasnost/varijansa. Nadgledano učenje (Bajesova teorija učenja, kvadratni klasifikatori, parametarska i neparametarska estimacija gustine verovatnoće (maksimalna verodostojnost i Bajesova estimacija, KDE, kNN), linearna i logistička regresija, linearne diskriminantne funkcije, neuralne mreže, metod vektora nosača). Nenadgledano učenje (k-means, hijerarhijska klasterizacija), redukcija dimenzionalnosti: PCA i LDA.

Predavanja, računarske vežbe (Python i druga odgovarajuća programska okruženja), domaći zadaci, konsultacije, aktivno učenje, učenje kroz projekat i istraživanje, radionice.

Autori Naziv Godina Izdavač Jezik
Bishop, C.M. Pattern Recognition and Machine Learning 2006 Springer, New York Engleski
Crnojević, V. Prepoznavanje oblika za inženjere 2014 Fakultet tehničkih nauka, Novi Sad Srpski jezik
Kevin Murphy Machine Learning: A Probabilistic Perspective 2012 MIT Press Engleski
Richard O. Duda, Peter E. Hart, David G. Stork Pattern Classification, 2nd Edition 2001 Wiley Engleski
Predmetna aktivnost Predispitna Obavezna Broj poena
Predmetna aktivnost
Domaći zadatak
Predispitna
Da
Obavezna
Da
Broj poena
5.00
Predmetna aktivnost
Domaći zadatak
Predispitna
Da
Obavezna
Da
Broj poena
5.00
Predmetna aktivnost
Prisustvo na računarskim vežbama
Predispitna
Da
Obavezna
Da
Broj poena
2.00
Predmetna aktivnost
Domaći zadatak
Predispitna
Da
Obavezna
Da
Broj poena
5.00
Predmetna aktivnost
Prisustvo na predavanjima
Predispitna
Da
Obavezna
Da
Broj poena
3.00
Predmetna aktivnost
Pismeni deo ispita - kombinovani zadaci i teorija
Predispitna
Ne
Obavezna
Da
Broj poena
50.00
Predmetna aktivnost
Predmetni projekat
Predispitna
Da
Obavezna
Da
Broj poena
30.00
Predavanja
Predavanja
Računarske vežbe