Mini kurs mašinskog učenja
O mašinskom učenju
Mašinsko učenje je oblast veštačke inteligencije koja se bavi dizajnom
algoritama koji uče iz iskustva i koji su u stanju da vrše predviđanja i
modeluju zakonisti u podacima. Trenutno je jedna od najpopularnijih oblasti
računarstva, kako u akademskim krugovima, tako i u industriji. Primenjuje
se od strane praktično svih vodećih svetskih računarskih kompanija,
a sve veću popularnost uživa i kod domaćih.
Primene uključuju prepoznavanje
objekata na slikama, automnu vožnju
i letenje, prepoznavanje govora, analizu teksta, modelovanje semantike
prirodnog jezika, medicinsku dijagnostiku, analizu društvenih mreža,
igranje igara, itd.
Ima jako uporište u računarstvu, statistici i optimizaciji.
O kursu
Glavni cilj kursa je upoznavanje studenata Matematičkog fakulteta sa oblašću
mašinskog učenja za koju, zbog predmeta koje slušaju, imaju idealnu matematičku osnovu.
Fokus će biti na praktično i teorijski najvažnijoj oblasti mašinskog učenja
- nadgledanom mašinskom učenju.
Kurs obuhvata sledeće teme:
- Opšte informacije i primeri primena
- Teorijske osnove
- Popularni algoritmi
- Elementi dizajna algoritama mašinskog učenja
- Izbor i evaluacija modela
Akcenat je na teorijskim sadržajima, kako zbog tehničkih uslova, tako i
zbog toga što je teorijske koncepte teže samostalno savladati, a njihov
značaj u praksi je ogroman.
Iako kurs neće
pratiti uobičajeni formalni nivo predavanja na Matematičkom fakultetu,
biće konceptualno, a nekad i tehnički, zahtevan.
Predavanja će se
održavati u velikom hemijskom amfiteatru u subotu 14. od 12h do 17h, a subotama 21. i 28. oktobra od 12:30h do 17:30h. Kurs je neobavezan, ne ocenjuje se, niti nosi
ESPB bodove.
Preduslovi za praćenje kursa
Kurs je namenjen starijim studentima osnovnih studija
Matematičkog fakulteta, studentima master studija i studentima doktorskih
studija koji su zainteresovani za ovu temu. Za praćenje kursa neophodno
je vladanje osnovnim konceptima
- linearne algebre (matrična algebra, skalarni proizvod, norma),
- analitičke geometrije (jednačine pravih i hiperravni),
- analize (izvod, izvod složene funkcije, parcijalni izvod, gradijent, konveksnost, višestruki
integral) i
- verovatnoće i statistike (raspodela verovatnoće, nezavisnost događaja, uslovna verovatnoća,
Bajesova formula, očekivanje, varijansa (disperzija), statistika,
nepristrasnost)
Prijava
Predavanja su preseljena u veliki hemijski amfiteatar, tako da nema potrebe za selekcijom kandidata.
Materijali sa predavanja
Slajdovi se mogu naći ovde.
Implementacije algoritama se mogu naći ovde. Za njih se zahvaljujem kolegama Nemanji Mićoviću i Urošu Stegiću.
Anketa
Molim studente koji su slušali bar jedan blok da popune anketu koja se može
naći ovde.
|