Навигација

19Д051ДУ - Дубоко учење

Спецификација предмета
НазивДубоко учење
Акроним19Д051ДУ
Студијски програмЕлектротехника и рачунарство
Модулмодул Управљање системима и обрада сигнала
Тип студијадокторске академске студије
Наставник (предавач)
Наставник/сарадник (вежбе)
    Наставник/сарадник (ДОН)
      Број ЕСПБ9.0Статус предметаизборни
      Условљност другим предметима
      Циљеви изучавања предметаУпознавање са савременим техникама вештачке интелигенције, превасходно заснованим на машинском учењу. Разумевање предуслова, потенцијала, ограничења и метода примене ових техника на проблеме обраде слике и видеа, секвенцијалних сигнала, природног језика, управљања агентима, генерисања слике и текста, визуелизације високо-димензионалних података.
      Исходи учења (стечена знања)Студенти разумеју основне и напредне концепте обрађених техника, у стању су да их имплементирају коришћењем стандардних библиотека, да изврше обучавање модела и анализирају њихове перформансе, да унесу модификације у циљу прилагођавања постојећих метода специфичним доменима примене или у циљу научног истраживања.
      Садржај предмета
      Садржај теоријске наставеРад са сликама: VGG, ResNet, ViT. Детекција и сегментација: YOLO, Faster R-CNN, Mask-RCNN, UNet. Праћење објеката: DeepSORT. Секвенцајални подаци, пажњa: LSTM/GRU, Transformer. Графовске неуралне мреже. Учење подстицањем: DDPG, DQN, PPO. Учење са само-надзором: BERT, GPT, SimCLR. Генеративни модели: GAN, VAE, дифузиони модели, велики језички модели. Редукција димензионалности: UMAP, t-SNE.
      Садржај практичне наставеСамостална имплементација, обучавање и евалуација модела коришћењем Python програмског језика и стандардних библиотека (PyTorch, TensorFlow, Keras).
      Литература
      1. Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. Deep learning. MIT press, 2016.
      2. Sutton, Richard S., and Andrew G. Barto. Reinforcement learning: An introduction. MIT press, 2018.
      3. Murphy, Kevin P. Probabilistic machine learning: an introduction. MIT press, 2022.
      4. Bronstein, Michael M., et al. Geometric deep learning: Grids, groups, graphs, geodesics, and gauges. arXiv preprint arXiv:2104.13478 (2021).
      5. Zhang, Aston, et al. Dive into deep learning. Cambridge University Press, 2023.
      Број часова активне наставе недељно током семестра/триместра/године
      ПредавањаВежбеДОНСтудијски и истраживачки радОстали часови
      8
      Методе извођења наставеПредавања. Самостално истраживање препоручене литературе и додатних изабраних научних радова, уз консултације.
      Оцена знања (максимални број поена 100)
      Предиспитне обавезеПоенаЗавршни испитПоена
      Активности у току предавањаПисмени испит
      Практична наставаУсмени испит30
      Пројекти70
      Колоквијуми
      Семинари