13М051МУ - Машинско учење
| Спецификација предмета | ||||
|---|---|---|---|---|
| Назив | Машинско учење | |||
| Акроним | 13М051МУ | |||
| Студијски програм | Електротехника и рачунарство | |||
| Модул | ||||
| Тип студија | мастер академске студије | |||
| Наставник (предавач) | ||||
| Наставник/сарадник (вежбе) | ||||
| Наставник/сарадник (ДОН) | ||||
| Број ЕСПБ | 6.0 | Статус предмета | изборни | |
| Условљност другим предметима | нема | |||
| Циљеви изучавања предмета | Упознавање студената са теоријским и практичним аспектима машинског учења са надзором и учења са подстицањем. Илустрација различитих области примене са избором адекватних техника за решавање проблема моделирања, оптимизације, евалуације и имплементације. | |||
| Исходи учења (стечена знања) | Студенти ће бити способини да изаберу адекватан алгоритам за конкретан реални проблем класификације, регресије илу учења подстицањем, да га имплементирају, оптимизују његове параметре и тестирају његове перформансе. Такође ће посебна пажња бити посвећена техникама формулације проблема и свођења на облик која је погодан за примену техника покривених овим предметом. | |||
| Садржај предмета | ||||
| Линк ка страници предмета | http://automatika.etf.bg.edu.rs/sr/13m051mu | |||
| Линк ка предавањима | https://teams.microsoft.com/l/team/19%3Ah08GQ7IOAC3WGZQExgBZNHNfLl4EZoQ-r_frhiJke8U1%40thread.tacv2/conversations?groupId=4895b6af-8c23-4b4f-9fca-1e3beb762442&tenantId=1774ef2e-9c62-478a-8d3a-fd2a495547ba | |||
| Садржај теоријске наставе | Линеарна и логистичка регресија. Методе нумеричке оптимизације. Експоненцијална фамилија расподела и генерализовани линеарни модели. Генеративни алгоритми. Метода носећих вектора. Стабла одлучивања, bagging, boosting, AdaBoost, Random Forests. Гаусовски процеси. Избор модела и одлика. Теорија учења: померај и варијанса, VC-димензија. Учење подстицањем. | |||
| Садржај практичне наставе | Реализација регресора и класификатора над симулираним и реалним подацима коришћењем програмских пакета Python и Matlab/Octave. Имплементација алгоритама учења подстицањем у симулираним окружењима. | |||
| Литература | ||||
| ||||
| Број часова активне наставе недељно током семестра/триместра/године | ||||
| Предавања | Вежбе | ДОН | Студијски и истраживачки рад | Остали часови |
| 3 | 1 | |||
| Методе извођења наставе | 45 часова предавања + 15 часова вежби на табли; самостална израда домаћих задатака и пројекта. | |||
| Оцена знања (максимални број поена 100) | ||||
| Предиспитне обавезе | Поена | Завршни испит | Поена | |
| Активности у току предавања | Писмени испит | 60 | ||
| Практична настава | 20 | Усмени испит | ||
| Пројекти | 20 | |||
| Колоквијуми | ||||
| Семинари | ||||