26Е113ТМУ - Технике машинског учења
| Спецификација предмета | ||||
|---|---|---|---|---|
| Назив | Технике машинског учења | |||
| Акроним | 26Е113ТМУ | |||
| Студијски програм | Електротехника и рачунарство | |||
| Модул | модул Рачунарска техника и информатика | |||
| Тип студија | основне академске студије | |||
| Наставник (предавач) | ||||
| Наставник/сарадник (вежбе) | ||||
| Наставник/сарадник (ДОН) | ||||
| Број ЕСПБ | 6.0 | Статус предмета | изборни | |
| Условљност другим предметима | Интелигентни системи | |||
| Циљеви изучавања предмета | Упознавање студената са напредним концептима и техникама области машинског учења. Током курса студенти ће изучавати најпопуларније моделе за пројектовање, имплементацију и тестирање оваквих врста апликација у областима обраде текста, рачунарске визије, обраде говора, препознавање облика. | |||
| Исходи учења (стечена знања) | Студенти ће усвојити напредне технике и методологије машинског учења. Курс обухвата неуралне мреже, конволуционе и рекурентне моделе, као и подешавање хиперпараметара. Главни исход је стицање знања и алата за решавање сложених проблема вештачке интелигенције и машинског учења у реалним сценаријима. | |||
| Садржај предмета | ||||
| Линк ка страници предмета | http://ri.etf.bg.ac.rs/ | |||
| Садржај теоријске наставе | Курс обухвата основе, обучавање и дизајн неуралних мрежа (регуларизација, оптимизација, хиперпараметри). Разматрају се CNN, RNN и трансформатори, њихове примене у класификацији, детекцији, НЛП-у и препознавању говора. Упознају се оквири TensorFlow, PyTorch и Keras, као и примери из индустрије и академије. | |||
| Садржај практичне наставе | Симулације теоријски обрађених проблема. Анализа и решавање практичних задатака и демонстрирање како савладати одређене проблеме техникама машинског и дубоког учења. Практичан рад са алатима Tensorflow, PyTorch и Keras на примерима различитих скупова података за анализу текста, слике, препознавање облика | |||
| Литература | ||||
| ||||
| Број часова активне наставе недељно током семестра/триместра/године | ||||
| Предавања | Вежбе | ДОН | Студијски и истраживачки рад | Остали часови |
| 2 | 2 | 1 | ||
| Методе извођења наставе | Предавања, аудиторне вежбе, самостална израда неколико домаћих задатака, лабораторијске вежбе са визуелним симулацијама. | |||
| Оцена знања (максимални број поена 100) | ||||
| Предиспитне обавезе | Поена | Завршни испит | Поена | |
| Активности у току предавања | Писмени испит | 30 | ||
| Практична настава | Усмени испит | |||
| Пројекти | 40 | |||
| Колоквијуми | 30 | |||
| Семинари | ||||