Program se primenjuje od 30.09.2005..
Ovladavanje studenata konceptima, tehnikama i odabranim primerima primena soft kompjutinga. Student bi trebalo da ume da identifikuje realne situacije u kojima je upotreba tehnika soft kompjutinga adekvatna i da primeni odgovarajuće tehnike za rešavanje ovih problema. Fokus predmeta je i na primeni tehnika soft kompjutinga za obradu i procesiranje kompleksnih podataka poput slike i zvuka.
Nakon uspešno završenog kursa, student je stekao znanje koje predstavlja osnovu za rešavanje složenih problema koji zahtevaju inteligenciju i ne mogu se rešavati primenom konvencionalnih matematičkih pristupa. U okviru kursa student, stiče znanje o osnovama mašinskog učenja i osnovnim problemima koji se javljaju u ovoj oblasti. Poseban fokus kursa je na osposobljavanju studenta da ovlada tehnikama obrade i reprezentacije složenih podataka (slike i zvuka) u obliku pogodnom za dalju obradu metodama mašinskog učenja.
(1) Osnove mašinskog učenja: osnovni pojmovi i problemi; osnovni modeli; evaluacija modela. (2) Neuronske mreže: osnovni model i osnovne arhitekture; konvolucione neuronske mreže (arhitekture konvolucionih neuronskih mreža, vizuelizacija obeležja, softver za duboko učenje) (3) Rad sa slikama: klasterovanje (algoritam k-sredina, metrike rastojanja - "meka" poređenja teksta, slika i ostalih objekata, primena klasterovanja na segmentaciju slike); Pretprocesiranje i ekstrakcija obeležja sa digitalne slike (jednostavne operacije - sabiranje, oduzimanje, afine transformacije, histogram, morfološke operacije i konvolucija; detekcija ivica; Hough transformacija); Prepoznavanje objekata na slikama ("klasičan" pristup - ekstrakcija obeležja koja se prosleđuju modelu mašinskog učenja; primena konvolucionih neuronskih mreža u detekciji objekata) (4) Rad sa zvukom: Furijeova transformacija.
Predavanja, računarske vežbe i konsultacije. Glavni zadatak predmeta je izrada predmetnog projekta. Studenti samostalno predlažu realan problem iz oblasti soft kompjutinga koji žele da rešavaju i metodologiju kojom planiraju da ga reše. Ukoliko se student ne snađe sa predlogom projekta, dobija predefinisani projekat koji nosi niži broj bodova. Studentima se boduje prisustvo na računarskim vežbama. Pored toga, na vežbama studenti dobijaju neobavezne zadatke, čijim rešavanjem mogu osvojiti dodatne bodove. Završni deo ispita studenti polažu usmeno. Ocena ispita se formira na osnovu pohađanja vežbi, rešavanja neobaveznih zadataka, ocene predmentnog projekta i ocene na završnom ispitu.
Autori | Naziv | Godina | Izdavač | Jezik |
---|
Goodfellow, I., Bengio, Y., Courville, A. | Deep Learning | 2017 | MIT Press, Cambridge | Engleski |
Gonzalez, R.C., Woods, R.E. | Digital Image Processing (3rd Edition) | 2008 | Prentice-Hall, Inc., Upper Saddle River | Engleski |
Szeliski, R. | Computer vision: algorithms and applications | 2011 | Springer, London | Engleski |
Krig, S. | Computer Vision Metrics Survey, Taxonomy, and Analysis | 2014 | Apress Media | Srpski jezik |
Predmetna aktivnost | Predispitna | Obavezna | Broj poena |
---|
Složeni oblici vežbi | da | da | 15.00 |
Predmetni(projektni)zadatak | da | da | 50.00 |
Prisustvo na laboratorijskim vežbama | da | da | 5.00 |
Usmeni deo ispita | ne | da | 30.00 |
| Ime i prezime | Vid nastave |
---|
| | Predavanja |
| | Računarske vežbe |
| | Računarske vežbe |
| | Računarske vežbe |
| | Računarske vežbe |
| | Računarske vežbe |
| | Računarske vežbe |