Технике машинског учења [грд2му]

Студијски програм
Грађевинарство
Врста и ниво студија
докторске студије
Наставник
Статус предмета
изборни
ЕСПБ
8.5
Условни предмети
Бр. часова активне наставе - недељно
предавања
вежбе
други облици наставе
студијски истраживачки рад
4
0
0
2
Методе извођења наставе

Настава се изводи кроз предавања (презентације на рачунару).

Структура оцене - максималан број бодова 100
колоквијуми
семестрални
усмени
писмени
остало
0
0
0
80
20
Циљ предмета

Проучавање техника машинског учења попут стабала одлучивања, неуронских мрежа и других.

Исход предмета

Оспособљеност стдената за проучавање и примену техника машинског учења.

Садржај предмета

Дефиниција. Основни појмови. Типови података. Погодне репрезентације проблема за технике машинског учења. Задаци класификације, предикције и груписања. K-Nearest Neighbourhod, Decission Trees, Naive Bayes Classifiers, Neural Networks, Support Vector Machines, K-Means Clustering. Протоколи за тестирање наученог модела. Могуће примене у грађевинарству и геодезији.

Литература

1 Machine Learning, Tom Mitchell, McGraw-Hill 1997.

! Сајт је оптимизован за Firefox, Chrome и IE 9+           ЛуАн-011