Програм се примењује од 30.09.2005..
Овладавање студената концептима, техникама и одабраним примерима примена софт компјутинга. Студент би требало да уме да идентификује реалне ситуације у којима је употреба техника софт компјутинга адекватна и да примени одговарајуће технике за решавање ових проблема. Фокус предмета је и на примени техника софт компјутинга за обраду и процесирање комплексних података попут слике и звука.
Након успешно завршеног курса, студент је стекао знање које представља основу за решавање сложених проблема који захтевају интелигенцију и не могу се решавати применом конвенционалних математичких приступа. У оквиру курса студент, стиче знање о основама машинског учења и основним проблемима који се јављају у овој области. Посебан фокус курса је на оспособљавању студента да овлада техникама обраде и репрезентације сложених података (слике и звука) у облику погодном за даљу обраду методама машинског учења.
(1) Основе машинског учења: основни појмови и проблеми; основни модели; евалуација модела. (2) Неуронске мреже: основни модел и основне архитектуре; конволуционе неуронске мреже (архитектуре конволуционих неуронских мрежа, визуелизација обележја, софтвер за дубоко учење) (3) Рад са сликама: кластеровање (алгоритам к-средина, метрике растојања - "мека" поређења текста, слика и осталих објеката, примена кластеровања на сегментацију слике); Претпроцесирање и екстракција обележја са дигиталне слике (једноставне операције - сабирање, одузимање, афине трансформације, хистограм, морфолошке операције и конволуција; детекција ивица; Hough трансформација); Препознавање објеката на сликама ("класичан" приступ - екстракција обележја која се прослеђују моделу машинског учења; примена конволуционих неуронских мрежа у детекцији објеката) (4) Рад са звуком: Фуријеова трансформација.
Предавања, рачунарске вежбе и консултације. Главни задатак предмета је израда предметног пројекта. Студенти самостално предлажу реалан проблем из области софт компјутинга који желе да решавају и методологију којом планирају да га реше. Уколико се студент не снађе са предлогом пројекта, добија предефинисани пројекат који носи нижи број бодова. Студентима се бодује присуство на рачунарским вежбама. Поред тога, на вежбама студенти добијају необавезне задатке, чијим решавањем могу освојити додатне бодове. Завршни део испита студенти полажу усмено. Оцена испита се формира на основу похађања вежби, решавања необавезних задатака, оцене предментног пројекта и оцене на завршном испиту.
Аутори | Назив | Година | Издавач | Језик |
---|
Goodfellow, I., Bengio, Y., Courville, A. | Deep Learning | 2017 | MIT Press, Cambridge | Енглески |
Gonzalez, R.C., Woods, R.E. | Digital Image Processing (3rd Edition) | 2008 | Prentice-Hall, Inc., Upper Saddle River | Енглески |
Szeliski, R. | Computer vision: algorithms and applications | 2011 | Springer, London | Енглески |
Krig, S. | Computer Vision Metrics Survey, Taxonomy, and Analysis | 2014 | Apress Media | Српски језик |
Предметна активност | Предиспитна | Обавезна | Број поена |
---|
Сложени облици вежби | да | да | 15.00 |
Предметни(пројектни)задатак | да | да | 50.00 |
Присуство на лабораторијским вежбама | да | да | 5.00 |
Усмени део испита | не | да | 30.00 |
| Име и презиме | Вид наставе |
---|
| | Предавања |
| | Рачунарске вежбе |
| | Рачунарске вежбе |
| | Рачунарске вежбе |
| | Рачунарске вежбе |
| | Рачунарске вежбе |
| | Рачунарске вежбе |