×
Универзитет у Новом Саду

Предмет: Машинско учење 2 (17.EK471)

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

Курс упознаје студенте са напредним темама у области машинског учења са посебним освртом на теоријске основе напредних техника и алата за имплементацију. Обрађују се теме које се тичу специфичних савремених техника надгледаног, ненадгледаног и полунадгледаног учења,

Студенти ће научити да интерпретирају и повежу различите напредне алгоритме и приступе машинског учења. Научиће да рукују подацима, идентификују и изаберу најпогодније приступе машинском учењу, технике регуларизације, као и да надзиру процес обуке и подешавају регуларизационе параметре. Студенти ће овладати употребом програмских алата заснованих на језику Python.

Неуралне мреже: увод, архитектуре и поступци обуке, евалуација и примена. Групно учење: bagging и boosting. Кластеризација - напредни алгоритми, модели засновани на мешавинама и алгоритам максимизације очекивања (ЕМ), групна кластеризација. Полунадгледани алгоритми. Скривени Марковљеви модели. Пробабилистички графички модели (закључивање, belief propagation, практична примена).

Предавања, рачунарске вежбе (Matlab, Python), домаћи задаци, консултације, активно учење, учење кроз пројекат и истраживање, радионице.

Аутори Назив Година Издавач Језик
Kevin Murphy Machine Learning: A Probabilistic Perspective 2012 MIT Press Енглески
Bishop, C.M. Pattern Recognition and Machine Learning 2006 Springer, New York Енглески
Khanna, T. Foundations of Neural Networks 1990 Addison-Wesley, Massachusetts Енглески
Goodfellow, I., Bengio, Y., Courville, A. Deep Learning 2017 MIT Press, Cambridge Енглески
Hastie, T., Tibshirani, R., Friedman, J. The Elements of Statistical Learning : Data Mining, Inference, and Prediction 2009 Springer, New York Енглески
Предметна активност Предиспитна Обавезна Број поена
Предметна активност
Предметни пројекат
Предиспитна
Да
Обавезна
Да
Број поена
40.00
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
Домаћи задатак
Предиспитна
Да
Обавезна
Да
Број поена
5.00
API Image

проф. др Милан Сечујски

Редовни професор

Предавања

Предавања

Рачунарске вежбе

Рачунарске вежбе