Ovaj repozitorijum sadrži materijale sa vežbi kursa Mašinsko učenje u školskoj 2020/21. godini.
Asistenti na kursu: Milan Čugurović i Anđelka Zečević
Profesor: Jovana Kovačević
Zvanični sajt kursa: http://ml.matf.bg.ac.rs/
| Nedelja | Teme |
|---|---|
| 1 | Uvod u programski jezik Python i pakete numpy, pandas i matplotlib |
| 2 | Matematički podsetnik: osnovni koncepti linearne algebre, matematičke analize i verovatnoće i statistike |
| 3 | Linearna regresija: osnovni koncepti i podrška paketa scikit-learn |
| 4 | Linearna regresija: analiza atributa i težinska regresija. Klasifikacija uvod, mere kvaliteta modela. Primer. |
| 5 | Rad sa tekstom. Problem nebalansirane klasifikacije. ROC kriva. Under-Sampling. Over-Sampling. |
| 6 | SMOTE Algoritam. Logistička regresija sa težinama. Višeklasna klasifikacija. Kerneli. Linearni i polinomijalni SVM. Izbor vrednosti hiperparametara. |
| 7 | Nadaraja-Votson regresija. Stabla odlučivanja. Slučajne šume. Prosta agregacija (bagging). Pojačavanje (boosting). |
| 8 | Selekcija i evaluacija modela: train-test podela; cross-validation; train-validation-test podela; train-validation-test podela + cross-validation. Regularizacija. |
| 9 | Potpuno-povezane neuronske mreže. Uvod. Unakrsna validacija. Validacija. Klasifikacija i regresija. Čuvanje modela. |
| 10 | Konvolutivne neuronske mreže. Upoznavanje API-ja biblioteke Keras. Klasifikacija slika. Klasifikacija filmskih pregleda prema sentimentu. |
| 12 | Mreže razno: sequence2sequence arhitektura, autoenkoderi i generativne suparničke mreže |
| 13 | Nenadgledano učenje: metod k-sredina, analiza glavnih komponenti |
Video materijali su zaštićeni lozinkom. Kontaktirati asistente mejlom na milan_cugurovic [at] matf.bg.ac.rs ili andjelkaz [at] matf.bg.ac.rs.
-
Nedelja 1: link
-
Nedelja 2: link
-
Nedelja 3: link
-
Nedelja 4: link
-
Nedelja 6: link
-
Nedelja 7: link
-
Nedelja 8: link
-
Nedelja 9: link
-
Nedelja 10: link
-
Nedelja 12: link
-
Nedelja 13: link
Informacije o završnom ispitu i primere rokova možete pronaći ovde.