Predmet: Mašinsko učenje (17.SES203 )
Matične organizacione jedinice predmeta: Odsek za primenjene računarske nauke i informatiku
Studijski programi predmeta:
Stepen i vrsta studija | Naziv |
---|---|
Osnovne akademske studije | Softversko inženjerstvo i informacione tehnologije (Godina: 4, Letnji) |
Kategorija | Naučno-stručni |
Uža naučna oblast | Primenjene računarske nauke i informatika |
Multidisciplinarna | Ne |
ESPB | 6 |
Cilj:
Ovladavanje osnovnim konceptima, elementima i tehnikama iz domena mašinskog učenja. Osposobljavanje studenta da razume osnovne modele mašinskog učenja, kao i teorije koja stoji iza njih. Osposobljavanje studenta da za realan problem mašinskog učenja prepozna tip problema i praktično primeni adekvatne algoritme.
Ishod:
Nakon uspešno završenog kursa, student zna: da definiše i razlikuje osnovne probleme u mašinskom učenju (regresiju, klasifikaciju, klasterovanje i redukciju dimenzionalnosti); koji algoritmi i modeli su adekvatni za rešavanje svakog od osnovnih problema; teoriju iza modela mašinskog učenja; praktične implikacije neophodne za implementaciju datih modela; da dizajnira validan eksperiment kojim može da uporedi performanse različitih modela; da primeni stečeno znanje na realne probleme.
Sadržaj:
(1) Nadgledano obučavanje: Linearna regresija (jednostruka i višestruka regresija, metod gradijentnog spusta i njegove varijante, analitičko rešenje u zatvorenoj formi, uticaj
Metodologija izvođenja nastave:
Studenti na predavanjima uče koncepte i teorijske osnove algoritama mašinskog učenja. Na računarskim vežbama se za svaki od naučenih koncepata studentima zadaje realan problem i diskutuju se moguća rešenja. Nakon toga, studenti samostalno rešavaju zadati problem, trudeći se da primenom naučenih tehnika ostvare maksimalne performanse na zadatom problemu, čime ostvaruju deo bodova za praktični deo ispita. Ostatak bodova sa praktičnog dela studenti ostvaruju putem predmetnog projekta. Za predmetni projekat studenti samostalno predlažu realan problem iz oblasti mašinskog učenja koji žele da rešavaju i metodologiju kojom planiraju da ga reše. Završni (teorijski) deo ispita studenti polažu usmeno.
Literatura:
Autori | Naziv | Godina | Izdavač | Jezik |
---|---|---|---|---|
2017 | Engleski | |||
2014 | Engleski | |||
2015 | Engleski | |||
2017 | Srpski jezik | |||
Ian Witten, Eibe Frank, Mark Hall, Christopher Pal | Data Mining, 4th Edition | 2017 | Morgan Kaufmann | Engleski |
BISHOP, Christopher M. | Pattern Recognition and Machine Learning | 2006 | Springer, New York | Engleski |
Formiranje ocene:
Predmetna aktivnost | Predispitna | Obavezna | Broj poena |
---|---|---|---|
Predmetni projekat | Da | Da | 25.00 |
Složeni oblici vežbi | Da | Da | 35.00 |
Usmeni deo ispita | Ne | Da | 40.00 |
Izvođači nastave:
Asistent Vidaković Dragan
Asistent
Računarske vežbe
vanr. prof. dr Slivka Jelena
Vanredni profesor
Predavanja
prof. dr Kovačević Aleksandar
Redovni profesor
Predavanja
Asistent Grujić Glorija-Katarina
Asistent