Циљ
Исход
Методе извођења наставе
Садржај
Литература
Теоријска настава
Машинско учење: методе и технике за креирање регресионих и класификационих модела; методе и технике кластеризације; методе и технике инжењеринга података (feature engineering). Неуронске мреже. Представљање знања засновано на правилима. Закључивање засновано на правилима. Представљање знања засновано на графовима (мрежној структури). Мрежне базе знања и њихова примена у интелигентим системима.
Практична настава
Упознавање са софтверским библиотекама (Python, Java, R) и алатима релевантним за сваку од теоријских области. Примена ових библиотека и алата за имплементацију програма (у одабраном програмском језику) заснованих на уведеним теоријским концептима, методама и техникама
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. Документација и туторијали за софтверске библиотеке и алате који се обрађују на вежбама. – 2020
