19M034ADO - Iterativni algoritmi za dinamičku optimizaciju

Specifikacija predmeta
Naziv		Iterativni algoritmi za dinamičku optimizaciju
Akronim		19M034ADO
Studijski program		Elektrotehnika i računarstvo
Modul
Tip studija		master akademske studije
Nastavnik (predavač)		doc. dr Srđan Brkić prof. dr Predrag Ivaniš
Nastavnik/saradnik (vežbe)		doc. dr Srđan Brkić
Nastavnik/saradnik (DON)		prof. dr Predrag Ivaniš doc. dr Srđan Brkić
Broj ESPB		6.0	Status predmeta	izborni
Uslovljnost drugim predmetima		-
Ciljevi izučavanja predmeta		Svrha kursa je upoznavanje sa iterativnim algoritmima za dinamičku optimizaciju i njihovom primenom u teoriji informacija, telekomunikacijama, veštačkoj inteligenciji i bioinformatici.
Ishodi učenja (stečena znanja)		Nakon kursa, studenti postaju upoznati sa principom rada i primenom iterativnih agoritama za dinamičku optimizaciju. Studenti će biti osposobljeni za implementaciju algoritama kao i za njihovu primenu na rešavanje problema vezanih za obradu i prenos 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%3aLbcDlQyb2Tf0Q8zbDFkVwgkB5W9kv03KIk17E7UiT8U1%40thread.tacv2/conversations?groupId=d82f02e5-681b-4295-8c18-5feff907695b&tenantId=1774ef2e-9c62-478a-8d3a-fd2a495547ba
Sadržaj teorijske nastave		Modelovanje inženjerskih optimizacionih problema faktor gafovima. Konačni automati, Markovljeve i Bajesove mreže. Algoritam propagacije verodostojnosti. Iterativno dekodovanje turbo kodova i kodova sa proverama parnosti male gustine. Viterbijev i Baum-Velšov algoritam, primena pri ekvalizaciji kanala. Skriveni Markovljevi procesi. Iterativno učenje na grafovima. Algoritmi gradijentne optimizacije.
Sadržaj praktične nastave		Vežbe na računarima i pokazne vežbe. Rešavanje 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 T. Cormen, C. Leiserson, R. Rivest, C. Stein, Introduction to Algorithms, 2nd edition, The MIT Press, 2001. 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