Navigacija

19E034ADO - Algoritmi za dinamičku optimizaciju

Specifikacija predmeta
Naziv Algoritmi za dinamičku optimizaciju
Akronim 19E034ADO
Studijski program Elektrotehnika i računarstvo
Modul
Tip studija osnovne akademske studije
Nastavnik (predavač)
Nastavnik/saradnik (vežbe)
Nastavnik/saradnik (DON)
Broj ESPB 6.0 Status predmeta izborni
Uslovljnost drugim predmetima nema
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 i 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
Link ka stranici predmeta http://telit.etf.rs/kurs/algoritmi-za-dinamicku-optimizaciju/
Link ka predavanjima https://teams.microsoft.com/l/team/19%3azlW6HJhRmZ7HNEQCXn0UyE9O8o_L6_a8BEhlv45qcHI1%40thread.tacv2/conversations?groupId=44a8c711-5d1e-4d51-b2ee-d668f066d574&tenantId=1774ef2e-9c62-478a-8d3a-fd2a495547ba
Sadržaj teorijske nastave ML detekcija, Viterbijev i Baum-Velšov algoritam. MAP detekcija, BCJR algoritam i njegova primena pri turbo dekodovanju i ekvalizaciji. Markovljeve, neuralne i Bajesove mreže. Modelovanje i dekompozicija optimizacionih problema faktor gafovima. Iterativno učenje na stablima i grafovima. Kodovi sa proverama parnosti male gustine i njihova predstava pomoću grafa. Algoritam propagacije verodostojnosti.
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
  1. D. J. C. MecKay, Information Theory, Inference, and Learning Algorithms, Cambridge University Press, 2003.
  2. T. Richardson, R. Urbanke, Modern Coding Theory, Cambridge University Press, 2009.
  3. D. Barber, Bayesian Reasoning and Machine Learning, Cambridge University Press, 2012.
  4. T. Cormen, C. Leiserson, R. Rivest, C. Stein, Introduction to Algorithms, 2nd edition, The MIT Press, 2001.
  5. 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 1
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