Skip to main content

Primena modela mašinskog učenja u poslovnoj i inženjerskoj praksi


MEF

O kursu

Kurs obuhvata materijal drugog dela predmeta Analiza podataka u poslovnoj i inženjerskoj praksi koji se realizuje na četvrtoj godini osnovnih akademskih studija profila Inženjerski menadžment, na Mašinskom fakultetu u Nišu. Kurs je nastavak kursa Analiza podataka u poslovnoj i inženjerskoj praksi. Predmet kursa su:

  • teorijske osnove mašinskog učenja (linearna i logistička regresija – metod opadajućih vektora),
  • priprema podataka (postupci skaliranja, postupci kodiranja nominalnih i ordinalnih veličina, tretman nedostajućih podataka),
  • priprema podataka za učenje i testiranje (train/test split, k-unakrsna validacija),
  • algoritmi mašinskog učenja (kriterijumi izbora: pristrasnost i varijansa, parametarski i neparametarski algoritmi, algoritmi zasnovani na stablima odlučivanja, algoritmi zasnovani na sličnosti instanci, kernel metodi, ensemble algoritmi) i
  • validacija modela mašinskog učenja.

Cilj kursa je sticanje veština samostalne izrade modela mašinskog učenja sa ciljem rešavanja problema regresije ili klasifikacije. Alati koji se koriste za sticanje i primenu ovih veština su programski jezik Python i desktop softver Weka.

Kurs čini celinu čiji je prvi deo kurs Analiza podataka u poslovnoj i inženjerskoj praksi

Iako se od polaznika kursa očekuje određeni stepen informatičke pismenosti, on nije namenjen programerima, ili učenju programiranja. Za izvođenje se koristi i programski jezik Python, ali je metodologija kursa izabrana i primenjena sa ciljem razumevanja koda od strane polaznika, odnosno višestrukog korišćenja tipskog koda uz njegovo potrebno prilagođavanje, a ne samostalnog programiranja.

Izvođači kursa

  • dr Milan Zdravković, docent
  • dr Ljiljana Radović, redovni profesor
  • dr Dragan Mišić, vanredni profesor
Enroll