13S053NM - Neuralne mreže

Specifikacija predmeta
Naziv		Neuralne mreže
Akronim		13S053NM
Studijski program		Softversko inženjerstvo
Modul
Tip studija		osnovne akademske studije
Nastavnik (predavač)		prof. dr Goran Kvaščev prof. dr Aleksandar Rakić
Nastavnik/saradnik (vežbe)		as. ms Marija Novičić, dipl. inž. el. i rač. doc. dr Sanja Vujnović as. Aleksa Stojić, dipl. inž. el. i rač. prof. dr Aleksandar Rakić
Nastavnik/saradnik (DON)		prof. dr Aleksandar Rakić as. ms Marija Novičić, dipl. inž. el. i rač.
Broj ESPB		6.0	Status predmeta	izborni
Uslovljnost drugim predmetima		nema
Ciljevi izučavanja predmeta		Upoznavanje studenata sa osnovnim konceptima neuralnih mreža, različitim arhitekturama, sposobnostima učenja neuralnih mreža. Upoznavanje principa rada konvolucionih neuralnih mreža, autoenkoderskih mreža, dubokog učenja. Osposobljavanje studenata da samostalno projektuju neuralne mreže za inženjerske aplikacije, prepoznavanje oblika i digitalnu obradu signala, itd.
Ishodi učenja (stečena znanja)		Studenti će biti sposobni da samostalno analiziraju i sintetizuju različite tipove neuralnih mreža koje se primenjuju u mnogim oblastima inženjerstva. Takođe će naučiti da primenjuju različite algoritme za učenje i obučavanje neuralnih mreža i implementaciju istih korišćenjem programskog paketa Matlab/Python
Sadržaj predmeta
Sadržaj teorijske nastave		Pregled klasičnih struktura neuralnih mreža, obučavanje, generalnizacija i inicijalizacija neuralnih mreža. Klasifikacija i klasterizacija sa neuralnim mrežama. Konvolucione neuralne mreže. Autoenkoderske neuralne mreže. Pojmovi regularizazije, augmentacija podataka, hiperparametri, aktivacione funkcije, dropout, crossentropia... Arhitekture LeNet, AlexNet, VGG, Resnet...
Sadržaj praktične nastave		Vežbe na računarima uz demonstracije algoritama za obučavanje i dizajn neuralnih mreža. Rešavanje praktičnih problema iz različitih oblasti inženjerstva uz pomoć neuralnim mreža korišćenjem programskog paketa Matlab/Python.
Literatura
Goodfellow, Ian. "Deep Learning-Ian Goodfellow, Yoshua Bengio, Aaron Courville- Google Books." (2016). Michael A. Nielsen, "Neural Networks and Deep Learning", Determination Press, 2015 Patterson, Josh, and Adam Gibson. Deep learning: A practitioner's approach. " O'Reilly Media, Inc.", 2017. Neural Fuzzy Systems: A Neuro-Fuzzy Synergism to Intelligent Systems, Chin-Teng Lin, C. S. George Lee, Prentice Hall, 1996 Neural Networks for Pattern Recognition, Christopher Bishop, Oxford University Press, 2000
Broj časova aktivne nastave nedeljno tokom semestra/trimestra/godine
Predavanja	Vežbe	DON	Studijski i istraživački rad	Ostali časovi
2	2	1
Metode izvođenja nastave		Predavanja, vežbe na računarima
Ocena znanja (maksimalni broj poena 100)
Predispitne obaveze		Poena	Završni ispit	Poena
Aktivnosti u toku predavanja		0	Pismeni ispit	30
Praktična nastava		12	Usmeni ispit	0
Projekti		18
Kolokvijumi		40
Seminari		0