Машинско учење Шифра: 317208 | 8 ЕСПБ
Опште информације
Ниво студија:
Година студија:
1
Семестар/Триместар:
1
Услов:
Познавање прорамског језика Python (ОБАВЕЗНО) и одабраних тема из вероватноће и статистике, као и дискретне математике.
Циљ:
Упознавање студената са основним теоретским концептима и практичним вештинама из домена машинског учења и обраде података.
Исход:
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 класификацијуподатака, 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 & Sons, Inc.
Број часова активне наставе (недељно)
Предавања:
4
Вежбе:
3
Други облици наставе:
0
Оцена знања (максималан број поена 100)
Предиспитне обавезе
Поени
активности у току предавања
0
активности на лабораторијским вежбама
20
семинарски рад
0
колоквијум
40
Завршни испит
Поени
Писмени испит
40
Усмени испит
0