Cilj predmeta je da studente upozna sa osnovama, trendovima i alatima u razvoju algoritama mašinskog učenja, kao i u razvoju gotovih rešenja prvenstveno namenjenih korišćenju unutar embeded sistema.

Studenti koji uspešno završe ovaj predmet moći će da prate najnovije rezultate, kao i da razumeju najnoviju stručnu i istraživačku literaturu. Pored teorijskih znanja studenti će takođe steći znanja neophodna za korišćenje savremenih alata iz oblasti projektovanja sistema mašinskog učenja. Takođe će biti u stanju da projektuju namenski sistem, baziran na tehnikama mašinskog učenja, koji će biti korišćen unutar embeded sistema.

Uvod u mašinsko učenje. Formalni model učenja. Selekcija modela i validacija. Regularizacija i stabilnost. Linearni prediktori. Mašine vektora podrške (Support Vector Machines). Kernel metode. Stabla odluke (Decision Trees). Veštačke neuronske mreže (Artificial Neural Networks). Online učenje. Inkrementalno učenje. Adaptivno učenje. Klasterovanje. Redukcija dimenzionalnosti. Selekcija obeležja. Generativni modeli. Reinforcement učenje. Duboko učenje. Učenje pomoću ansambala. Tehnike implementacije sistema mašinskog učenja u embeded sistemima. Hardverski akceleratori mašinskog učenja.

Predavanja; Auditorne vežbe; Računarske vežbe; Laboratorijske vežbe; Konsultacije.