Akademija tehničko-umetničkih
strukovnih studija Beograd

Meko računarstvo Šifra: 130317 | 6 ESPB

Opšte informacije
Nivo studija:
Godina studija: 2
Semestar/Trimestar: 4
Uslov:
Cilj: Upoznavanje studenata sa osnovnim konceptima mekog računarstva i delimično, mašinskog učenja.
Ishod: Studenti će biti osposobljeni za upotrebu koncepata mekog računarstva i pojedinih algoritama mašinskog učenja pri projektovanju softverskih proizvoda i rešenja koja se delimično zasnivaju na tim konceptima.
Sadržaj predmeta
Teorijska nastava:
  1. Osnovni pojmovi matematičke logike, veštačke inteligencije i mekog računarstva.
  2. Fuzzy logika. Rasplinute relacije, logika i metode zaključivanja.
  3. Veštačke neuronske mreže. Neuron, aktivaciona funkcija, arhitekture mreža.
  4. Obučavanje, unakrsna validacija i problem prenaučenosti.
  5. Duboko obučavanje sistema za odlučivanje.
  6. Metode vektora oslonca.
  7. Teorija anomalija i metode otkrivanja anomalija.
  8. Evolucionarno računarstvo.
  9. Genetski algorimi.
  10. Prirodom inspirisane meta-heuristike i problemi optimizacije.
  11. Veštački imuni sistemi.
  12. Probabilističko računarstvo. Teorija verovatnoće, igara i odličivanja. Bajesovske mreže.
  13. Teorija haosa. Deterministički haos, sinhronizacija haotičnih sistema, klasični modeli haotičnih komunikacija.
  14. Grubi skupovi.
  15. Primena mekog računarstva.
Praktična nastava:
  1. Uvežbavanje predstavljenih koncepata, metoda i tehnika kroz primere.
Literatura
  1. M. Milosavljević, "Veštačka inteligencija", Univerzitet Singidunum, 2015.
  2. V. Miškovic, "Sistemi za podršku odlučivanju", Univerzitet Singidunum, 2013.
  3. E. Volna, "Introduction to Soft Computing", Bookbon & Eva Volna, 2013.
  4. D. K. Pratihar, "Soft computing: fundamentals and applications", Alpha Science International, Ltd., 2013.
  5. G. Tettamanzi, M. Tomassini, "Soft computing: integrating evolutionary, neural, and fuzzy systems", Springer Science & Business Media, 2013.
  6. V. Chandola, A. Banerjee, V. Kumar, "Anomaly detection: A survey", ACM computing surveys, 2009.
Broj časova aktivne nastave (nedeljno)
Predavanja: 3
Vežbe: 2
Drugi oblici nastave: 0
Ocena znanja (maksimalan broj poena 100)
Predispitne obaveze
Poeni
aktivnosti u toku predavanja
0
aktivnosti na laboratorijskim vežbama
20
seminarski rad
0
kolokvijum
40
Završni ispit
Poeni
Pismeni ispit
40
Usmeni ispit
0