Предмет: Пројекти примене вештачке интелигенције и машинског учења (22 - EAI074)


Основне информације

КатегоријаСтручно-апликативни
Научна областПримењене рачунарске науке и информатика
МултидисциплинарнаНе
ЕСПБ7
Матичне организационе јединице предмета

Тренутно нема података о матичним организационим јединицама предмета!
Програм предмета

Програм се примењује од 17.09.2020..

Кроз низ гостујућих предавања наставника из иностранства са великим искуством и компетенцијама из области вештачке интелигенције, предмет ће студентима презентовати актуелне пројекте примене вештачке интелигенције и машинског учења. На вежбама ће студенти бити подељени у групе са сродним темама за мастер радове и кроз сарадњу са менторима са факултета и коменторима из привреде радиће тимски и индивидуално на пројектима који ће сваком од њих унапредити мастер тезу. Поред директног упознавања са стањем у области и перспективама развоја вештачке интелигенције и посебно применама машинског учења, циљ је да студенти појачају своје искуство у тимском раду и сарадњи са стручњацима из привреде.
Након овог предмета студенти ће имати јасну представу о трендовима у развоју вештачке интелигенције и машинског учења. Стећи ће веће искуство у тимском раду на пројектима и сарадњи с коменторима из привреде, а пројекте ће искористити за унапређење квалитета својих мастер теза. Предмет ће им омогућити да брже и квалитетније заокруже истраживања и експерименте за израду мастер рада, као и да се припреме за рад у привреди, али и оспособе за даље усавршавање и образовање.
Теоријска настава У извођењу наставе ће учествовати већи број наставника и сарадника са овог студијског програма. Теме предавања, као и гостујући наставници из иностранства и предавачи из привреде ће се бирати спрам интересовања студената и мастер теза које су изабрали. 1. Предавања одабраних наставника из иностранства, али и стручњака из Србије укључујући и предаваче из привреде, на којима ће бити представљени актуелни пројекти развоја и примене вештачке интелигенције и машинског учења. 2. Предавања ментора изабраних мастер теза и њихових коментора из привреде са циљем да се студентима прошире знања из тема које су привукле пажњу студената приликом избора мастер теза. 3. Предавања по позиву на теме изборних области вештачке интелигенције и машинског учења: 3.1. Обрада природног говора 3.2. Компјутерски вид 3.3. Роботика 3.4. Вештачка интелигенција у медицини 3.5. Интелигентно софтверско инжењерство у анализи података и текста 3.6. Интелигентни системи за подршку одлучивању 3.7. Вештачка интелигенција за аутономна возила 3.8. Edge-AI 3.9. Инжењерство информационих система заснованих на вештачкој интелигенцији Практична настава Студенти ће бити подељени у групе са сродним темама мастер теза дефинисаних у коменторству са предавачима из привреде. За поједине групе ће бити дефинисани одговарајући пројекти на којима ће радити тимски и индивидуално, уз подршку ментора и коментора из привреде. Биће организовано својеврсно надметање тимова који ће при крају семестра презентовати резултате својих пројеката. Свако ће искористити тимски пројекат да унапреди део свог мастер рада и убрза његову израду.
Предавања наставника из иностранства ће се изводити приликом њиховог гостовања у Новом Саду или on-line, снимати и архивирати на овом предмету. Вежбе и тимски рад по групама ће се одвијати у лабораторијама ФТН у НТП. Предиспитне обавезе се своде на тај пројекат у сарадњи са привредом – услов за излазак на испит је 35 од 70 бодова. Пројекти се дефинишу у сарадњи са партнерима из привреде, а иницијалан списак пројеката је расположив већ на почетку семестра. Самостални део рада студента подржан је преко web портала катедри са којих су ментори. Завршни испит је писмени и представља проверу стечених сазнања са одржаних предавања о актуелним пројектима и перспективама даљег развоја вештачке интелигенције и машинског учења.
АуториНазивГодинаИздавачЈезик
Goodfellow, I., Bengio, Y., Courville, A.Deep Learning2017MIT Press CambridgeЕнглески
Mohammed, M., Khan, M.B. and Bashier, E.B.M.Machine learning: algorithms and applications2016Crc PressЕнглески
Prince, S.J.Computer Vision: Models, Learning, and Inference2012Cambridge University PressЕнглески
Bengfort, B., Bilbro, R. and Ojeda, T.Applied Text Analysis with Python: Enabling Language-Aware Data Products with Machine Learning2018O'Reilly Media, Inc.Енглески
Kamath, U., Liu, J. and Whitaker, J.Deep learning for nlp and speech recognition (Vol. 84)2019SpringerЕнглески
Murphy, R.R.Introduction to AI robotics2019MIT pressЕнглески
Panesar, A.Machine Learning and AI for Healthcare2019Apress.Енглески
Предметна активностПредиспитнаОбавезнаБрој поена
Предметни пројекатдада50.00
Семинарски раддада20.00
Усмени део испитанеда30.00
Име и презимеВид наставе
Недостаје слика

Бајовић др Драгана
Ванредни професор

Предавања
Недостаје слика

Делић др Владо
Редовни професор

Предавања
Недостаје слика

Сливка др Јелена
Ванредни професор

Предавања
Недостаје слика

Сузић Синиша
Асистент - др наука

Рачунарске вежбе
Недостаје слика

Поповић др Бранислав
Виши научни сарадник

Рачунарске вежбе
Недостаје слика

Лукић Александар
Асистент-мастер

Рачунарске вежбе
Недостаје слика

Видаковић Драган
Асистент-мастер

Рачунарске вежбе