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
- 02.11.2025. Predavanja počinju u utorak 4.XI u 17:15h u sali 311, prema zvaničnom rasporedu. Osnovni kanal komunikacije je Teams tim "13M051MU 2025/26"; kod za pristup timu 8ty3rtc (koristite opciju "Join Team / Join a team with a code" u Teamsu). Ako ova opcija ne funkcioniše, pošaljite zahtev na standardni način (klik na Join team). Nemojte tražiti pristup prošlogodišnjem timu, materijali su uklonjeni odatle i prebačeni na novi, ovogodišnji tim. Na timu će biti postavljeni i snimci predavanja od prošlih godina. U slučaju eventualnih razlika u sadržaju ovogodišnjeg kursa i snimljenih materijala, za ispit su relevantna ovogodišnja predavanja.
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