Циљ предмета је да студенте упозна са основама, трендовима и алатима у развоју алгоритама машинског учења, као и у развоју готових решења првенствено намењених коришћењу унутар ембедед система.

Студенти који успешно заврше овај предмет моћи ће да прате најновије резултате, као и да разумеју најновију стручну и истраживачку литературу. Поред теоријских знања студенти ће такође стећи знања неопходна за коришћење савремених алата из области пројектовања система машинског учења. Такође ће бити у стању да пројектују наменски систем, базиран на техникама машинског учења, који ће бити коришћен унутар ембедед система.

Увод у машинско учење. Формални модел учења. Селекција модела и валидација. Регуларизација и стабилност. Линеарни предиктори. Машине вектора подршке (Support Vector Machines). Кернел методе. Стабла одлуке (Decision Trees). Вештачке неуронске мреже (Artificial Neural Networks). Онлине учење. Инкрементално учење. Адаптивно учење. Кластеровање. Редукција димензионалности. Селекција обележја. Генеративни модели. Reinforcement учење. Дубоко учење. Учење помоћу ансамбала. Технике имплементације система машинског учења у ембедед системима. Хардверски акцелератори машинског учења.

Предавања; Аудиторне вежбе; Рачунарске вежбе; Лабораторијске вежбе; Консултације.