Primene veštačke inteligencije

O predmetu

Predmet Primene veštačke inteligencije je koncipiran kao ‘nastavak’ predmeta Inteligentni sistemi sa osnovnih studija, ali i pored toga, podjednako ga mogu pratiti i studenti koji nisu završili FON, ali su upoznati sa osnovnim konceptima mašinskog učenja, analize teksta i rada sa Web (RESTful) APIs.

Cilj predmeta

  • Upoznavanje sa aktuelnim tehnologijama zasnovanim na Veštačkoj inteligenciji i njihovim primenama u različitim domenima.
  • Ovladavanje praktičnim veštinama razvoja inteligentnih softverskih aplikacija, odnosno softverskih aplikacija zasnovanih na jednoj ili više aktuelnih tehnologija Veštačke inteligencije.

Sadržaj predmeta

Oblast Veštačke inteligencije i na njoj zasnovanih tehnologija je u poslednjih nekoliko godina izuzetno dinamična, odnosno karakteriše je izuzetno brz razvoj. Kako bi pratio te promene, sadržaj predmeta, odnosno konkretne teme koje se obrađuju menjaju se svake godine. Međutim, ono što se uglavnom ne menja su oblasti Veštačke inteligencije koje predmet obuhvata:

  • analiza i razumevanje sadržaja teksta
  • primene tehnika mašinskog učenja
  • neuronske mreže
  • semantičke tehnologije: baze znanja, semantičko linkovanje sadržaja i podataka i sl

U nastavku je dat pregled tema kojima se predmet bavio tokom prethodnih par godina:

  • Semantičko indeksiranje i linkovanje sadržaja na Web-u
  • Vizuelizacija semantički opisanih sadržaja
  • Prepoznavanje i vizuelizacija emocija u tekstu
  • Sistemi preporuke zasnovani na sadržaju i/ili znanju
  • Tehnike nadgledanog mašinskog učenja: stabla odlučivanja, Random Forests, Support Vector Machines (SVM)
  • Nenadgledano mašinsko učenje: probabilističke tehnike klasterizacije
  • Neuroph framework za rad sa neuronskim mrežama
  • Softverski okviri za inteligentne sisteme
  • Ekspertni sistemi i sistemi poslovnih pravila

Polaganje ispita

Ispit se polaže izradom projektnog zadatka definisanog u dogovoru sa predmetnim nastavnikom. Projektni rad podrazumeva razvoj softverske aplikacije zasnovane na jednoj ili više tehnologija Veštačke inteligencije koje su obrađene u okviru predmeta. Takođe, projektni rad se može sastojati u komparativnoj analizi više softverskih framework-a za razvoj inteligentnih sistema, ili implementaciji i komparativnoj analizi više algoritama iz neke od oblasti Veštačke inteligencije.

Primeri lepo urađenih projektnih zadataka:

Literatura

  • G. James, D. Witten, T. Hastie and R. Tibshirani. 2013. An Introduction to Statistical Learning: with Applications in R. Springer (freely available at: http://www-bcf.usc.edu/~gareth/ISL/) – uvod u metode i tehnike mašinskog učenja sa primerima u R programskom jeziku
  • I. H. Witten, E. Frank, M. A. Hall. 2011. Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann. – uvod u tehnike mašinskog učenja sa primerima u Weka (Java) framework-u (book Web page)
  • T. Segaran. 2007. Programming Collective Intelligence: Building Smart Web 2.0 Applications. O’Reilly Media. – pregled različitih metoda i tehnika za kreiranje naprednih (‘inteligentnih’) aplikacija sa primerima u Python-u (Google Books link)
  • D. Wood, M. Zaidman, L. Ruth, and M. Hausenblas. 2013. Linked Data: Structured data on the Web. Manning Publications Co. (book Web page)
  • D. Jannach, M. Zanker, A. Felfernig, and G. Friedrich. 2010. Recommender Systems: An Introduction. Cambridge University Press. (book Web page)