×
Универзитет у Новом Саду

Предмет: Дубоко учење и биолошки инспирисани приступи машинског учења (17.IISD11)

Основне информације:
 
Категорија Научно-стручни
Ужа научна област
  • Примењене рачунарске науке и информатика
  • Инжењерство информационих система
  • Информационо-комуникациони системи
ЕСПБ 10

Наставни предмет је технички оријентисан и даје преглед актуелних технологија машинског учења, са циљем да студенте докторских студија, који морају имати основна претходна знања из области информационих технологија и вештачке интелигенцие, математике, или релевантне области, упозна са савременим достигнућима у области машинског учења и вештачке интелигенције, са нагласком на биолошки инспирисане приступе, неуронске мреже и дубоко учење (Deep Learning). Студенти ће овладати теоријским и практичним знањима која ће им омогућити примену ових технологија за анализу великих количина мултимодалних података и даљи истраживачки раду у области машинског учења, науке о подацима (Data Science) и примене вештачке интелигенције у њиховим примарним областима истраживања.

Студенти ће овладати теоријским и практичним знањима која ће им омогућити примену предметних технологија за анализу великих количина мултимодалних података и даљи истраживачки рад у области машинског учења, науке о подацима и примене вештачке интелигенције у њиховим примарним областима истраживања. Током курса ће имати прилику да се укључе у истраживачки рад, спровођење експеримената и припрему резултата за публикацију. На крају курса студенти би требало да имају радну верзију научног рада спремну за подношење релевантној међународној научној конференцији.

Предмет ће покрити следеће области: напредне концепте неуроонских мрежа I и II генерације, методе учења у системима са дубоком архитектуром (Deep Learning) и примене система дубоког учења за анализу великих количина различитих типова података, методе репрезентације (кодовања) података у неуроморфним системима, основне и напредне методе надгледаног и ненадгледаног учења у оваквим системима. Теоријску наставу ће пратити практична обука имплементације програмских решења (модела неуронских мрежа) у окружењима Caffe, Tensorflow и PyTorch, као и практичан истраживаживачки рад у оквиру истраживачких пројеката који се спроводе на факултету, који ће укључити дизајн и спровођење експеримената, као и припрему резултата за публикацију.

Предавања - менторска или групна у зависности од броја студената, истраживачки рад под надзором, предметни пројекат и усмени испит.

Аутори Назив Година Издавач Језик
Goodfellow, I., Bengio, Y., Courville, A. Deep Learning 2017 MIT Press, Cambridge Енглески
Ћулибрк, Д. Откривање знања из података: одабрана поглавља 2012 CreateSpace Српски језик
Предметна активност Предиспитна Обавезна Број поена
Предметна активност
Предметни пројекат
Предиспитна
Да
Обавезна
Да
Број поена
50.00
Предметна активност
Усмени део испита
Предиспитна
Не
Обавезна
Да
Број поена
50.00

Предавања

Студијски истраживачки рад