19М034АДО - Итеративни алгоритми за динамичку оптимизацију

Спецификација предмета
Назив		Итеративни алгоритми за динамичку оптимизацију
Акроним		19М034АДО
Студијски програм		Електротехника и рачунарство
Модул
Тип студија		мастер академске студије
Наставник (предавач)		проф. др Предраг Иваниш
Наставник/сарадник (вежбе)
Наставник/сарадник (ДОН)		проф. др Предраг Иваниш
Број ЕСПБ		6.0	Статус предмета	изборни
Условљност другим предметима		-
Циљеви изучавања предмета		Сврха курса је упознавање са итеративним алгоритмима за динамичку оптимизацију и њиховом применом у теорији информација, телекомуникацијама, вештачкој интелигенцији и биоинформатици.
Исходи учења (стечена знања)		Након курса, студенти постају упознати са принципом рада и применом итеративних агоритама за динамичку оптимизацију. Студенти ће бити оспособљени за имплементацију алгоритама као и за њихову примену на решавање проблема везаних за обраду и пренос информација.
Садржај предмета
Линк ка страници предмета		http://telit.etf.rs/kurs/algoritmi-za-dinamicku-optimizaciju/
Линк ка предавањима		https://teams.microsoft.com/l/team/19%3aLbcDlQyb2Tf0Q8zbDFkVwgkB5W9kv03KIk17E7UiT8U1%40thread.tacv2/conversations?groupId=d82f02e5-681b-4295-8c18-5feff907695b&tenantId=1774ef2e-9c62-478a-8d3a-fd2a495547ba
Садржај теоријске наставе		Моделовање инжењерских оптимизационих проблема фактор гафовима. Коначни аутомати, Марковљеве и Бајесове мреже. Алгоритам пропагације веродостојности. Итеративно декодовање турбо кодова и кодова са проверама парности мале густине. Витербијев и Баум-Велшов алгоритам, примена при еквализацији канала. Скривени Марковљеви процеси. Итеративно учење на графовима. Алгоритми градијентне оптимизације.
Садржај практичне наставе		Вежбе на рачунарима и показне вежбе. Решавање оптимизационих проблема из теорије информација и сродних области инжењерства. Домаћи задаци из обрађиваних тема.
Литература
D. J.C. MecKay, Information Theory, Inference, and Learning Algorithms, Cambridge University Press, 2003 T. Richardson, R. Urbanke, Modern Coding Theory, Cambridge University Press, 2009 T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2009 T. Cormen, C. Leiserson, R. Rivest, C. Stein, Introduction to Algorithms, 2nd edition, The MIT Press, 2001. P. Ivanis, D. Drajic, Information Theory and Coding - Solved Problems, Springer, New York, 2017
Број часова активне наставе недељно током семестра/триместра/године
Предавања	Вежбе	ДОН	Студијски и истраживачки рад	Остали часови
2	2	1
Методе извођења наставе		Предавања и аудиторне вежбе. Домаћи задаци у форми писања есеја, пројеката и рачунских задатака.
Оцена знања (максимални број поена 100)
Предиспитне обавезе		Поена	Завршни испит	Поена
Активности у току предавања		0	Писмени испит	60
Практична настава		40	Усмени испит	0
Пројекти		0
Колоквијуми		0
Семинари		0