Fakultet tehničkih nauka

Predmet: Primene IKT i obrade signala (17.EK560)

Osnovne informacije:
 
Kategorija Teorijsko-metodološki
Uža naučna oblast Telekomunikacije i obrada signala
ESPB 9

Cilj predmeta je objedinjavanje teorijskih znanja stečenih iz različitih oblasti informaciono-komunikacionih tehnologija (IKT) i obrade informacija i signala, kao i njihova praktična primena u laboratorijama Katedre za telekomunikacije i obradu signala (KTIOS). Studenti kroz realizaciju projektnih zadataka ovladavaju veštinama timskog rada na realizaciji postavljenih zadataka. Na ovom predmetu, studenti se kroz konsultacije sa nastavnicima i saradnju sa paratnerima iz privrede upoznaju sa razlozima i značajem primene IKT i naprednih metoda obrade informacija i signala u poslovanju preduzeća, kao i sa značajem prikupljanja podataka raznovrsnim senzorima radi analize multimodalnih predstava fenomena u društvu, bioinformatici, robotici, medicini, umetnosti.

Studenti su osposobljeni da timskim radom i kroz saradnju sa partnerima iz privrede rešavaju složene probleme definisane projektnim zadacima. Usvojena znanja i stečene veštine koriste da izvrše analizu postavljenih zadataka i prepoznaju mogućnost da se aktivnom primenom naprednih IKT i savremenih metoda obrade informacija i signala unaprede poslovanje preduzeća, rad uređaja i sistema u različitim oblastima privrede i društvenog života.

Primene informaciono-komunikacionih tehnologija (IKT) i obrade informacija i signala u: •Industriji 4.0 (sajber fizički sistem, digitalna i virtuelna fabrika); •Poslovanju preduzeća (informacione tehnologije i sistemi, poslovne softverske aplikacije); •Pametnom saobraćaju (inteligentni transportni sistemi, razvoj traffic cloud-a i pametnih parkinga); •Obrazovanju (video konferencije, blogovi, zajednički radni prostori, adaptivne trajektorije obrazovanja); •Poljoprivredi (upravljanje poljoprivrednim dobrima i mašinama, IKT u stočarskoj proizvodnji); •Energetici (distribucija energije kroz pametne mreže (Smart Grid)); •Medicini (virtuelne ordinacije, interfejs mozak-kompjuter, hirurški sistemi i dr.). Primena tehnika mašinskog učenja i obrade višedimenzionalnih i multimodalnih signala radi: •Daljinskog osmatranja hiper spektralnim senzorima sa ciljem klasifikacije i analize scene; •Stvaranja pametnog okruženja, proširene stvarnosti i virtuelne realnosti; •Interpretacije digitalnih zapisa dobijenih multimodalnim skeniranjem (digitalna fotografija, infracrveni i multi-spektralni senzori, radiografija i rendgenska fluorescencija) radi restauracije i konzervacije umetničkih dela; •Obrade prirodnog jezika (NLP) u dijaloškim sistemima različite namene (govorni portali, personalni asistenti, pametne kuće i dr.); •Unakrsne pretrage multimedijalnih arhiva medijskih servisa; •Forenzičke identifikacije govornika pomoću savremenih tehnika obrade audio signala; •Primene IKT i obrade signala kao pomagala za osobe sa invaliditetom.

Predavanja, vežbe i konsultacije uz samostalni istraživački rad. Primene IKT i obrade signala predstavljene su kroz analizu različitih trendova i pokazatelja, kao i projekte saradnje laboratorija KTIOS s partnerima iz privrede. Nakon formiranja timova sa 3-5 studenata sa srodnim temama master radova i definisanja njihovih projektnih zadataka, studenti će na laboratorijskim vežbama raditi na definisanju tehničkih rešenja i njihovoj implementaciji. Uz samostalni istraživački rad i konsultacije sa predmetnim nastavnicima, student će aktivno sarađivati i sa partnerima iz privrede. Na kraju kursa predviđena je timska prezentacija izrađenih tehničkih rešnja kroz koju će studenti razmenjivati iskustva i ocenjivati svoj rad, rad svoga tima i drugih timova.

Autori Naziv Godina Izdavač Jezik
Kathy Baxter, Catherine Courage, Kelly Caine Understanding Your Users: A Practical Guide to User Research Methods (Interactive Technologies), 2nd Edition 2015 Elsevier Engleski
Jill Dyche The New IT: How Technology Leaders are Enabling Business Strategy in the Digital Age 2015 McGraw-Hill Engleski
Predmetna aktivnost Predispitna Obavezna Broj poena
Predmetna aktivnost
Usmeni deo ispita
Predispitna
Ne
Obavezna
Da
Broj poena
30.00
Predmetna aktivnost
Prezentacija
Predispitna
Da
Obavezna
Da
Broj poena
20.00
Predmetna aktivnost
Predmetni(projektni)zadatak
Predispitna
Da
Obavezna
Da
Broj poena
50.00
API Image

prof. dr Delić Vlado

Redovni profesor

Predavanja
Predavanja
Auditorne vežbe
Auditorne vežbe
Laboratorijske vežbe