| Студијски програм: Рачунарско инжењерство |
|
| Назив предмета: Машинско учење |
|
Наставник:
др Немања Мачек |
|
| Статус предмета: Изборни |
|
| Шифра предмета: |
|
| ЕСПБ бодови: 8 |
|
| Услов: Познавање прорамског језика Python. |
|
Циљ предмета:
Упознавање студената са основним теоретским концептима и практичним вештинама из домена машинског учења и обраде података. |
|
Исход предмета:
Студенти ће по завршетку курса бити обучени да користе библиотеке за процесирање података у оквиру програмског језика Python, формирају векторе обележја, примене методе њихове редукције као и алгоритме за класификацију података, кластеровање и регресију. |
|
Садржај предмета:
| Теоријска настава: |
Појам машинског учења. Креирање вектора обележја. Индуктивно емпиријско учење функционалних пресликавања. Обучавање са учитељем, самообучавање, обучавање са подстицањем. Бајесово правило одлучивања. Класификација. Класификација текстуалних података. Кластеровање. Регресија и предвиђање методом регресије. Вештачке неуронске мреже и дубоко обучавање. Метода вектора ослонца. Редукција димензионалности вектора обележја. Напредна класификација текста (sentiment analysis). Системи за препоруку. Рачунарска визија. |
| Практична настава: |
Прати теоријску наставу и оспособљава студенте да решавају пракичне проблеме из области машинског учења употребом програмског језика Python и пратећих библиотека. |
|
|
| Литература: |
- D. Julian (2016): Designing Machine Learning systems with Python. Packt Publishing.
- L. P. Coelho,W. Richert (2015): Building Machine Learning systems with Python, Second Edition. Packt Publishing.
- М. Милосављевић (2015): Вештачка интелигенција. Универзитет Сингидуниум, Београд. *
- J. Bell (2015): Machine Learning: Hands-On for Developers and Technical Professionals. John Wiley and Sons, Inc.
* може се бесплатно преузети са портала: www.singipedia.com |
|
Број часова активне наставе:
|
|
Остали часови: |
|
| Предавања: |
Вежбе: |
Други облици наставе: |
Студијски и истраживачки рад: |
| 4 |
3 |
|
|
|
|
Метода извођења наставе:
Теоријска и практична настава, менторски рад. |
|
Оцена знања (максималан број поена 100):
| Предиспитне обавезе |
Поена |
Завршни испит |
Поена |
| активности у току предавања |
10 |
писмени испит |
30 |
| практична настава |
30 |
усмени испит |
|
| семинарски рад |
|
испит за рачунаром |
|
| колоквијум |
30 |
практичан |
|
|
