Stranice predmeta – Fakultet tehničkih nauka u Novom Sadu

Predmet: Mašinsko učenje 2 (17.EK471)

Matične organizacione jedinice predmeta:

Stepen i vrsta studija	Naziv

Osnovne informacije:

Kategorija	Teorijsko-metodološki
Uža naučna oblast	Telekomunikacije i obrada signala
Multidisciplinarna	Ne
ESPB	6

Cilj:

Kurs upoznaje studente sa naprednim temama u oblasti mašinskog učenja sa posebnim osvrtom na teorijske osnove naprednih tehnika i alata za implementaciju. Obrađuju se teme koje se tiču specifičnih savremenih tehnika nadgledanog, nenadgledanog i polunadgledanog učenja,

Ishod:

Studenti će naučiti da interpretiraju i povežu različite napredne algoritme i pristupe mašinskog učenja. Naučiće da rukuju podacima, identifikuju i izaberu najpogodnije pristupe mašinskom učenju, tehnike regularizacije, kao i da nadziru proces obuke i podešavaju regularizacione parametre. Studenti će ovladati upotrebom programskih alata zasnovanih na jeziku Python.

Sadržaj:

Neuralne mreže: uvod, arhitekture i postupci obuke, evaluacija i primena. Grupno učenje: bagging i boosting. Klasterizacija - napredni algoritmi, modeli zasnovani na mešavinama i algoritam maksimizacije očekivanja (EM), grupna klasterizacija. Polunadgledani algoritmi. Skriveni Markovljevi modeli. Probabilistički grafički modeli (zaključivanje, belief propagation, praktična primena).

Metodologija izvođenja nastave:

Predavanja, računarske vežbe (Matlab, Python), domaći zadaci, konsultacije, aktivno učenje, učenje kroz projekat i istraživanje, radionice.

Literatura:

Autori	Naziv	Godina	Izdavač	Jezik
Khanna, T.	Foundations of Neural Networks	1990	Addison-Wesley, Massachusetts	Engleski
Goodfellow, I., Bengio, Y., Courville, A.	Deep Learning	2017	MIT Press, Cambridge	Engleski
Hastie, T., Tibshirani, R., Friedman, J.	The Elements of Statistical Learning : Data Mining, Inference, and Prediction	2009	Springer, New York	Engleski
Kevin Murphy	Machine Learning: A Probabilistic Perspective	2012	MIT Press	Engleski
Bishop, C.M.	Pattern Recognition and Machine Learning	2006	Springer, New York	Engleski

Formiranje ocene:

Predmetna aktivnost	Predispitna	Obavezna	Broj poena
Domaći zadatak	Da	Da	5.00
Pismeni deo ispita - kombinovani zadaci i teorija	Ne	Da	50.00
Predmetni projekat	Da	Da	40.00
Domaći zadatak	Da	Da	5.00

ORGANIZACIJA

DOKUMENTA

ZAPOSLENI

KONKURSI

AKREDITACIJA

KONTAKT

AKREDITACIJA

KONTAKT

Studentska služba

Predmet: Mašinsko učenje 2 (17.EK471)

Matične organizacione jedinice predmeta:

Studijski programi predmeta:

Cilj:

Ishod:

Sadržaj:

Metodologija izvođenja nastave:

Literatura:

Formiranje ocene:

Izvođači nastave:

Asistent Šobot Srđan

Računarske vežbe

Asistent sa doktoratom Nosek Tijana

Računarske vežbe

prof. dr Lončar-Turukalo Tatjana

Predavanja

prof. dr Sečujski Milan

Predavanja

Kontakt: