Izaberite stranicu
Šifra predmeta 16ST67
Studijski programi
  • Primenjena informatika
ESPB 6
Broj časova 3+2
Semestar 4
Status predmeta Izborni
Cilj predmeta je da se omogući studentima upoznavanje sa osnovama mašinskog učenja i veštačke inteligencije, kao i mogućnostima njihove primene u različitim poslovnim sistemima. Pored upoznavanja sa teorijskim osnovama analize i obrade podataka, mašinskog učenja i veštačke inteligencije, cilj predmeta je pre svega da omogući studentima da steknu praksu u primeni najefikasnijih savremenih tehnika mašinskog učenja i modela veštačke inteligencije kroz rad na konkretnim zadacima.
Savladavanjem planiranog sadržaja studenti će biti sposobni da:
• analiziraju i obrade podatke,
• definišu probleme i predlože adekvatan model za rešavanje problema iz oblasti mašinskog učenja,
• samostalno istreniraju model, procene preciznost modela i primene model u konkretnim zadacima
Teorijska nastava
• Definisanje i značaj mašinskog učenja i veštačke inteligencije
• Analiza i obrada podataka
• Nadgledano i nenadgledano učenje
• Osnovni modeli mašinskog učenja – regresija, logistička regresija, SVM, KNN
• Napredni modeli mašinskog učenja – duboke neuronske mreže:
o Neuroni i neuronski slojevi,
o Propagacija unapred,
o Propagacija unazad,
o Funkcija gubitka
• Proces treniranja modela i podešavanje modela

Praktična nastava
• Primena mašinskog učenja u proceni vrednosti – regresija
• Primena osnovnih modela mašinskog učenja u klasifikaciji podataka
• Primena naprednih modela mašinskog učenja u prepoznavanju slike –
konvolutivne neuronske mreže
Milosavljević M (2015), Veštačka inteligencija, Univerzitet Singidunum, 2015.
Géron A. (2017), Hands-On Machine Learning with Scikit-Learn and TensorFlow, O’Reilly Media, Inc., USA
Predavanja su auditorna uz podršku savremenih učila i aktivno učešće studenata. Rad na vežbama obuhvata: analizu pređenog gradiva, praktičan rad na računaru u malim grupama i neposrednu primenu znanja, seminarske radove, studije slučaja.
Predispitne obaveze 45 poena Završni ispit 35 poena
prisustvo na predavanjima i vežbama 5 pismeni ispit 25
provera znanja u toku nastave (kolokvijum-i) 30 usmeni ispit 30
ostale aktivnostii učešće studenata u radu na predavanjima i vežbama 10