13S113IS - Inteligentni sistemi

Specifikacija predmeta
Naziv		Inteligentni sistemi
Akronim		13S113IS
Studijski program		Softversko inženjerstvo
Modul
Tip studija		osnovne akademske studije
Nastavnik (predavač)		prof. dr Boško Nikolić prof. dr Dražen Drašković
Nastavnik/saradnik (vežbe)		doc. dr Vladimir Jocović as. ms Adrian Milaković, dipl. inž. el. i rač.
Nastavnik/saradnik (DON)		doc. dr Vladimir Jocović as. ms Adrian Milaković, dipl. inž. el. i rač.
Broj ESPB		6.0	Status predmeta	izborni
Uslovljnost drugim predmetima		nema
Ciljevi izučavanja predmeta		Upoznavanje studenata sa osnovnim konceptima i tehnikama veštačke inteligencije, mašinskog učenja i inteligentnih sistema. Tokom kursa studenti će izučavati najpopularnije modele za projektovanje, implementaciju i testiranje ovakvih vrsta aplikacija.
Ishodi učenja (stečena znanja)		Studenti će naučiti osnovne principe koji pokreću inteligentne sisteme i vežbati implementaciju nekih od takvih sistema. Glavni ishod kursa je da nauči studente tehnikama i alatima za rešavanje novih problema veštačke inteligencije i mašinskog učenja, sa kojima se mogu susresti u životu i da na osnovu svog znanja primene najpodesniju i najefikasniju metodu za rešavanje takvih izazova.
Sadržaj predmeta
Link ka stranici predmeta		http://ri4es.etf.bg.edu.rs/
Sadržaj teorijske nastave		Strategije pretraživanja: algoritmi, performanse, efikasnost, složenost. Algoritmi teorije igara i njihova primena. Produkcioni i analitički sistemi. Planiranje - problem i vrste. Znanje i zaključivanje u neizvesnom okruženju. Bajesove mreže. Strategije rešavanja problema. Mašinsko učenje: regresija, klasifikacija i klasterizacija.
Sadržaj praktične nastave		Vizuelne simulacije teorijski obrađenih problema. Analiza i rešavanje praktičnih zadataka i demonstriranje kako savladati određene probleme tehnikama veštačke inteligencije i mašinskog učenja.
Literatura
Stuart Russell, Peter Norvig, "Artificial Intelligence: A Modern Approach", Pearson, 4th edition (May 2021) Predrag Janičić, Mladen Nikolić, „Veštačka inteligencija“, Matematički fakultet u Beogradu, treće elektronsko izdanje, Beograd, 2023. Sebastian Raschka, Yuxi (Hayden) Liu, Vahid Mirjalili, "Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python", 1st Edition, Packt Publishing, February 2022. Chip Huyen, "Designing Machine Learning Systems: An Iterative Process for Production-Ready Applications", 1st Edition, O'Reilly Media, June 2022. Laurence Moroney, "AI and Machine Learning for Coders: A Programmer's Guide to Artificial Intelligence", 1st Edition, O'Reilly Media, November 2020.
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, auditorne vežbe, samostalna izrada nekoliko domaćih zadataka, laboratorijske vežbe sa vizuelnim simulacijama.
Ocena znanja (maksimalni broj poena 100)
Predispitne obaveze		Poena	Završni ispit	Poena
Aktivnosti u toku predavanja		0	Pismeni ispit	30
Praktična nastava		0	Usmeni ispit	0
Projekti		20
Kolokvijumi		50
Seminari		0