Fakultet tehničkih nauka

Predmet: Mašinsko učenje 2 (17.EK471)

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

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,

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.

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).

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

Autori Naziv Godina Izdavač Jezik
Goodfellow, I., Bengio, Y., Courville, A. Deep Learning 2017 MIT Press, Cambridge 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
Hastie, T., Tibshirani, R., Friedman, J. The Elements of Statistical Learning : Data Mining, Inference, and Prediction 2009 Springer, New York Engleski
Khanna, T. Foundations of Neural Networks 1990 Addison-Wesley, Massachusetts Engleski
Predmetna aktivnost Predispitna Obavezna Broj poena
Predmetna aktivnost
Domaći zadatak
Predispitna
Da
Obavezna
Da
Broj poena
5.00
Predmetna aktivnost
Predmetni projekat
Predispitna
Da
Obavezna
Da
Broj poena
40.00
Predmetna aktivnost
Pismeni deo ispita - kombinovani zadaci i teorija
Predispitna
Ne
Obavezna
Da
Broj poena
50.00
Predmetna aktivnost
Domaći zadatak
Predispitna
Da
Obavezna
Da
Broj poena
5.00
Predavanja
Predavanja
Računarske vežbe
Računarske vežbe