19D051DU - Duboko učenje
Specifikacija predmeta | ||||
---|---|---|---|---|
Naziv | Duboko učenje | |||
Akronim | 19D051DU | |||
Studijski program | ||||
Modul | ||||
Tip studija | ||||
Nastavnik (predavač) | ||||
Nastavnik/saradnik (vežbe) | ||||
Nastavnik/saradnik (DON) | ||||
Broj ESPB | 9.0 | Status predmeta | izborni | |
Uslovljnost drugim predmetima | ||||
Ciljevi izučavanja predmeta | Upoznavanje sa savremenim tehnikama veštačke inteligencije, prevashodno zasnovanim na mašinskom učenju. Razumevanje preduslova, potencijala, ograničenja i metoda primene ovih tehnika na probleme obrade slike i videa, sekvencijalnih signala, prirodnog jezika, upravljanja agentima, generisanja slike i teksta, vizuelizacije visoko-dimenzionalnih podataka. | |||
Ishodi učenja (stečena znanja) | Studenti razumeju osnovne i napredne koncepte obrađenih tehnika, u stanju su da ih implementiraju korišćenjem standardnih biblioteka, da izvrše obučavanje modela i analiziraju njihove performanse, da unesu modifikacije u cilju prilagođavanja postojećih metoda specifičnim domenima primene ili u cilju naučnog istraživanja. | |||
Sadržaj predmeta | ||||
Link ka stranici predmeta | https://www.etf.bg.ac.rs/fis/karton_predmeta/19D051DU-2023 | |||
Sadržaj teorijske nastave | Modeli za rad sa slikama: VGG, ResNet, ViT. Detekcija objekata i segmentacija: YOLO, Faster R-CNN, Mask-RCNN, UNet. Praćenje objekata: DeepSORT. Sekvencajalni podaci, pažnja: LSTM/GRU, Transformer. Grafovske neuralne mreže. Učenje podsticanjem: DDPG, DQN, PPO. Učenje sa samo-nadzorom: BERT, GPT, SimCLR. Generativni modeli: GAN, VAE, difuzioni modeli. Redukcija dimenzionalnosti: UMAP, t-SNE. | |||
Sadržaj praktične nastave | Samostalna implementacija, obučavanje i evaluacija modela korišćenjem Python programskog jezika i standardnih biblioteka (PyTorch, TensorFlow, Keras). | |||
Literatura | ||||
| ||||
Broj časova aktivne nastave nedeljno tokom semestra/trimestra/godine | ||||
Predavanja | Vežbe | DON | Studijski i istraživački rad | Ostali časovi |
8 | ||||
Metode izvođenja nastave | Predavanja. Samostalno istraživanje preporučene literature i dodatnih izabranih naučnih radova, uz konsultacije. | |||
Ocena znanja (maksimalni broj poena 100) | ||||
Predispitne obaveze | Poena | Završni ispit | Poena | |
Aktivnosti u toku predavanja | Pismeni ispit | |||
Praktična nastava | Usmeni ispit | 30 | ||
Projekti | 70 | |||
Kolokvijumi | ||||
Seminari |