Cilj
Ishod
Metode izvođenja nastave
Sadržaj
Literatura
Teorijska nastava
Mašinsko učenje: metode i tehnike za kreiranje regresionih i klasifikacionih modela; metode i tehnike klasterizacije; metode i tehnike inženjeringa podataka (feature engineering). Neuronske mreže. Predstavljanje znanja zasnovano na pravilima. Zaključivanje zasnovano na pravilima. Predstavljanje znanja zasnovano na grafovima (mrežnoj strukturi). Mrežne baze znanja i njihova primena u inteligentim sistemima.
Praktična nastava
Upoznavanje sa softverskim bibliotekama (Python, Java, R) i alatima relevantnim za svaku od teorijskih oblasti. Primena ovih biblioteka i alata za implementaciju programa (u odabranom programskom jeziku) zasnovanih na uvedenim teorijskim konceptima, metodama i tehnikama
1. G. James, D. Witten, T. Hastie, R. Tibshirani. An Introduction to Statistical Learning: with Applications in R Springer 2021
2. S. Guido, & A. Müller Introduction to Machine Learning with Python O’Reilly Media 2016
3. Russell, S. J., Norvig, P., & Davis, E. Artificial intelligence: a modern approach. 3rd ed. Upper Saddle River, Nj: Prentice Hall. 2015
4. Dokumentacija i tutorijali za softverske biblioteke i alate koji se obrađuju na vežbama. – 2020
