PRIMJENA STROJNOG UČENJA

Cilj

Cilj predmeta je osposobiti studente da instaliraju i koriste biblioteke koje podržavaju strojno učenje. Studenti će se kroz kolegij ponoviti neke pojmove iz matematike i statistike, kao i osnovne pojmove strojnog učenja. Svaki student će nakon upoznavanja sa teorijskom osnovom, rješavati postavljene probleme u odgovarajućem okruženju koristeći primjereni programski jezik. Naglasak kolegija je na algoritmima za nadzirano strojno učenje s kojima će se studenti upoznati, te će steći osnovne vještine optimizacije i redukcije značajki.

Uvjeti upisa

Nema.

Ishodi učenja

• Planirati implementaciju okruženja za strojno učenje
• Argumentirati razloge odabira pojedinog algoritma za strojno učenje
• Argumentirati izbor metode pripreme podataka za algoritme strojnog učenja
• Riješiti zadani problem algoritmima strojnog učenja

Nastavni plan

1. Odabir i podešavanje okruženja za strojno učenje
2. Učitavanje podataka
3. Rad s podacima
4. Upravljanje numeričkim i tekstualnim podacima
5. Upravljanje slikama
6. Reduciranje svojstava
7. Linearna regresija
8. Stabla odlučivanja
9. KNN metoda
10. Logistička regresija
11. SVN metoda
12. Neuronske mreže 1. dio
13. Neuronske mreže 2. dio
14. Evaluacija modela
15. Pohrana modela

Satnica

Tablice vrednovanja

Vrednovanje tijekom nastave

Vrednovanje na ispitu

Kriteriji ocjenjivanja

Obvezna literatura

• Albon, C. (2018) Machine Learning with Python Cookbook - Practical Solutions from Preprocessing to Deep Learning. USA: O’Reilly Media. Otvori izvor