Mašinsko učenje (13M051MU)
| Predmet | Status | Broj časova (P+V+L) | Krediti |
 Mašinsko učenje (13M051MU) |
I | 3+1+0 | 6 |
| Predavanja - Predrag Tadić | |||
| Vežbe - Predrag Tadić | |||
MU - Obaveštenja
- 24.10.2020. Formirana je dopisna lista Ova adresa el. pošte je zaštićena od spambotova. Omogućite JavaScript da biste je videli.. Na stranici lists.etf.rs možete proveriti da li se nalazite na ovoj listi i da se, po potrebi, prijavite. Primarni kanal komunikacije je Teams, obaveštenja će biti poslata i preko liste samo u vanrednim okolnostima (pomeranje predavanja i sl).
- 23.10.2020. Formiran je Teams tim 13M051MU. Zahtev za pristup podnosite putem ovog linka. Od sada će Teams biti glavni kanal komunikacije. Tamo će biti objavljeni snimci prethodnih predavanja (najkasnije do utorka 27.X), prezentacije, domaći zadaci, važna obaveštenja i sl.
- 24.01.2020. Projekti se brane najkasnije u roku u kom se izlazi na pismeni ispit.
- 08.01.2020. Odbrane projekata u januarskom roku održaće se 15. januara od 11h (odmah posle ispita) u sali 311. Kratak izveštaj treba poslati na Ova adresa el. pošte je zaštićena od spambotova. Omogućite JavaScript da biste je videli. najkasnije u ponedeljak 13. januara. Za odbranu je potrebno pripremiti petominutnu prezentaciju, koja treba da sadrži:
- opis problema,
- eksplorativnu analizu i vizuelizaciju podataka,
- kratak opis korišćenih algoritama (u slučaju da su u pitanju metode koje nisu obrađivane na predavanjima),
- ostvarene rezultate.
- 04.11.2019. Zakasneli domaći zadaci boduju se sa najviše polovinom poena.
MU - Materijali
Osnovne informacije o predmetu Primer ispita (Januar 2018)
Predavanja
- 01 Linearna regresija [1]
- 02 Logistička regresija [1]
- 03 Generalizovani linearni modeli [1]
- 04 Generativni algoritmi [1]
- 05 Metoda nosećih vektora (Support Vector Machine) [1]
- 06 Teorija učenja [1]
- 07 Regularizacija i izbor modela [1]
- 08 Ansambl metode [2, 3, 4], Boosting prezentacija
- 09 Učenje podsticanjem [5, 1, 4]
Preporučena literatura
- Andrew Ng, John Duchi, "Machine Learning - Lecture notes" (link)
- Tommi Jaakkola, "Machine Learning - Lecture notes" (link)
- Christopher Bishop, "Pattern Recognition and Machine Learning", Springer, 2006
- Stuart Russel, Peter Norvig, "Artificial Intelligence: A Modern Approach", Pearson, 2010
- Richard Sutton and Andrew Barto, "Reinforcement learning: An introduction", MIT press, 2018.
Primeri
Najjednostavniji način da pokrenete ove primere jeste da ih kopirate na svoj Google Drive i da ih otvorite u Colab-u (desni klik, Open with > Colaboratory). Alternativa: Jupyter Notebook.
13M051MU