13M031ADO - Algoritmi za dinamičku optimizaciju

Specifikacija predmeta
Naziv		Algoritmi za dinamičku optimizaciju
Akronim		13M031ADO
Studijski program		Elektrotehnika i računarstvo
Modul		modul Sistemsko inženjerstvo i radio komunikacije
Tip studija		master akademske studije
Nastavnik (predavač)		prof. dr Predrag Ivaniš
Nastavnik/saradnik (vežbe)		doc. dr Srđan Brkić
Nastavnik/saradnik (DON)
Broj ESPB		6.0	Status predmeta	izborni
Uslovljnost drugim predmetima		-
Ciljevi izučavanja predmeta		Svrha kursa je upoznavanje sa osnovnim algoritmima za dinamičku optimizaciju i njihovom primenom u teoriji informacija i telekomunikacijama, kao i u drugim srodnim oblastima gde se izloženi algoritmi koriste, poput mašinskog učenja ili bioinformatike.
Ishodi učenja (stečena znanja)		Nakon kursa, studenti postaju upoznati sa osnovnim temama vezanim za statističko odlučivanje primenom iterativnih agoritama za dinamičku optimizaciju. Studenti će biti osposobljeni za implementaciju izloženih grafičkih modela i algoritama, kao i za njihovu primenu u rešavanju problema prenosa i obrade informacija.
Sadržaj predmeta
Sadržaj teorijske nastave		Modelovanje i dekompozicija inženjerskih optimizacionih problema faktor gafovima. Primena konačnih automata i Bajesovih mreža u teoriji informacija. Iterativno učenje na grafovima. Algoritam propagacije verodostojnosti i njegova primena pri iterativnom dekodovanju. Viterbijev i Baum-Velšov algoritam i njihova primena pri turbo dekodovanju i ekvalizaciji kanala. Algoritmi gradijentne optimizacije.
Sadržaj praktične nastave		Vežbe na računarima uz demonstracije iterativnih algoritama za dinamičku optimizaciju. Rešavanje praktičnih optimizacionih problema iz teorije informacija i srodnih oblasti inženjerstva. Domaći zadaci iz obrađivanih tema.
Literatura
D. J.C. MecKay, Information Theory, Inference, and Learning Algorithms, Cambridge University Press, 2003 T. Richardson, R. Urbanke, Modern Coding Theory, Cambridge University Press, 2009 T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2009 D. Drajić, P. Ivaniš, Uvod u teoriju informacija i kodovanje, IV izdanje, Akademska misao, Beograd, 2018. P. Ivanis, D. Drajic, Information Theory and Coding - Solved Problems, Springer, New York, 2017
Broj časova aktivne nastave nedeljno tokom semestra/trimestra/godine
Predavanja	Vežbe	DON	Studijski i istraživački rad	Ostali časovi
2	2
Metode izvođenja nastave		Predavanja i auditorne vežbe. Domaći zadaci u formi pisanja eseja, projekata i računskih zadataka.
Ocena znanja (maksimalni broj poena 100)
Predispitne obaveze		Poena	Završni ispit	Poena
Aktivnosti u toku predavanja		0	Pismeni ispit	60
Praktična nastava		40	Usmeni ispit	0
Projekti		0
Kolokvijumi		0
Seminari		0