Упознавање са основним моделима и алгоритмима машинског учења, кључним елементима њиховог дизајна и техникама евалуације.

По завршетку курса, студент је упознат са основним постојећим техникама машинског учења, испробао их је у пракси, зна у каквим околностима коју треба применити, разуме како одлуке донесене у процесу дизајна алгоритма утичу на понашање алгоритма и уме да процени квалитет добијених модела.

- Основни елементи дизајна алгоритама учења - модел, функција грешке, регуларизација, оптимизациони метод. - Линеарни модели (линеарна регресија, логистичка регресија, мултиномијална логистичка регресија). - Модели засновани на широком појасу (метод потпорних вектора за класификацију и регресију). - Модели засновани на инстанцама (непараметарска оцена густине расподеле, кернели, метод Надараја-Вотсон, кернелизовани метод потпорних вектора, к најближих суседа). - Ансамбли (случајне шуме, AdaBoost, градијентно појачавање). - Неуронске мреже и дубоко учење (потпуно повезане неуронске мреже, конволутивне неуронске мреже, рекурентне неуронске мреже). - Кластеровање (к средина, максимизација очекивања и друго). - Учење репрезентације података (аутоенкодери). - Генеративни модели (генеративне супарничке мреже). - Евалуација и избор модела. - Регуларизација. - Методе оптимизације.

Увежбавање имплеметирања и коришћења техника машинског учења на различитим колекцијама података и алатима.

Нема.

Укупан фонд часова: 90

Ново градиво: 30
Разрада и примери (рекапитулација): 0

Аудиторне вежбе: 45
Лабораторијске вежбе: 0
Рачунски задаци: 0
Семинарски рад: 0
Пројекат: 0
Консултације: 0
Дискусија/радионица: 0
Студијски истраживачки рад: 0

Преглед и оцена рачунских задатака: 0
Преглед и оцена лабораторијских извештаја: 0
Преглед и оцена семинарских радова: 0
Преглед и оцена пројекта: 0
Колоквијум са оцењивањем: 0
Тест са оцењивањем: 10
Завршни испит: 5

Активност у току предавања: 0
Тест/колоквијум: 20
Лабораторијска вежбања: 0
Рачунски задаци: 0
Семинарски рад: 20
Пројекат: 0
Завршни испит: 60
Услов за излазак на испит (потребан број поена): 0

Christopher Bishop, Pattern Recognition and Machine Learning, Springer, 2006.; Kevin Murphy, Machine Learning: A Probabilistic Perspective, The MIT Press, 2012.; Trevor Hastie, Robert Tibshirani, Jerome Friedman, The Elements of Statistical Learning, Springer, 2008.; Richard Sutton, Andrew Barto, Reinforcement Learning: An Introduction, The MIT Press, 1998.; Младен Николић, Анђелка Зечевић, Машинско учење, скрипта.