Inteligentni sistemi

O polaganju ispita

Polaganje ispita i ocenjivanje

Ispit se polaže ispunjavanjem predispitnih obaveza (u toku semestra) i izlaskom na sam ispit (u nekom ispitnom roku). Predispitne obaveze čini jedan kolokvijum (maksimalno 30 poena).  Ispit nosi maksimalno 70 poena. Poeni sa predispitnih obaveza i sa samog ispita se sabiraju i čine konačnu ocenu koja se formira prema sledećoj tabeli.

Ocena 6 7 8 9 10
Poena 51-60 61-70 71-80 81-90 91-100

NAPOMENA: Poeni sa predispitnih obaveza važe godinu dana tj. do održavanja kolokvijuma u sledećoj školskoj godini. Ovi poeni se ne mogu ispravljati, popravljati, niti dopunjavati. Na primer, ako je neko na kolokvijumu dobio 0 poena, može imati maksimalnu konačnu ocenu 7 dobijenu preko 70 poena na ispitu.

Dodatni poeni

  • Dodatni poeni se “stiču” na osnovu prisustva časovima predavanja
  • Prisustvo na svakom dvočasu predavanja nosi po jedan poen, ali maksimalno se može skupiti 10 poena
  • Važno: Osnov za dobijanje poena je evidencija prisustva na nastavi. Poeni će biti dodeljeni samo na onim časovima na kojima se utvrdi da evidencija odgovara broju studenata koji su zaista prisutni na predavanju, i da nije bilo zloupotreba sistema evidencije.

PRIMER 1

Kolokvijum: 0 poena
Ispit: 41 poen
Bonus poeni (dolasci): 10

UKUPNO: 51 poen – konačna ocena 6

PRIMER 2

Kolokvijum: 7 poena
Ispit: 49 poena
Bonus poeni (dolasci): 5

UKUPNO: 61 poen – konačna ocena 7

PRIMER 3

Kolokvijum 30 poena
Ispit 70 poen
Bonus poeni (dolasci): 10

UKUPNO: 110 poena – konačna ocena 10

PRIMER 4

Kolokvijum: 10 poena
Ispit: 37 poen
Bonus poeni (dolasci): 3

UKUPNO: 50 poena – Nije položio

Kolokvijum (maksimalno 30 poena)

Organizuje se jedan kolokvijum u toku semestra, u drugoj kolokvijumskoj nedelji. Kolokvijum se radi u računarskim salama i traje 1 sat. Tokom trajanja kolokvijuma dozvoljeno je korišćenje jedino materijala koji su okačeni na ovoj stranici u sekciji Materijali za ispit. Nije dozvoljeno korišćenje Interneta (biće isključena Internet konekcija), kao ni bilo koji drugih materijala. Projekti koji se ne kompajliraju, odnosno nisu sintaksno ispravni, se ne pregledaju. Kod koji je stavljen pod komentare (bilo zbog toga što ne može da se kompajlira, bilo zbog toga što nije dovršen) biće ignorisan tj. neće biti pregledan.

Nije dozvoljeno slikati, kopirati, niti odnositi zadatke. Kao posledicu, to povlači diskvalifikaciju studenta na datom kolokvijumu i podnošenje disciplinske prijave.

Na kolokvijumu će biti jedan zadatak iz Mašinskog učenja u R-u, i biće obuhvaćene sve teme koje su rađene iz te oblasti (regresija, klasifikacija, klasterizacija, feature engineering).

Ispit (maksimalno 70 poena)

Ispit se polaže na sličan način kao i kolokvijum. Ispit traje 2 sata. Tokom trajanja ispita dozvoljeno je korišćenje jedino materijala koji su okačeni na ovoj stranici u sekciji Materijali za ispit. Nije dozvoljeno korišćenje Interneta (biće isključena Internet konekcija), kao ni bilo koji drugih materijala. Projekti koji se ne kompajliraju, odnosno nisu sintaksno ispravni, se ne pregledaju. Kod koji je stavljen pod komentare (bilo zbog toga što ne može da se kompajlira, bilo zbog toga što nije dovršen) biće ignorisan tj. neće biti pregledan. Ispit nosi maksimalno 70 poena.

Za ispit se dobijaju dva zadatka. Prvi zadatak je iz Mašinskog učenja u R-u. Drugi zadatak je ili iz neuronskih mreža (Neuroph, programerski zadatak, Java kod, bez korišćenja Neuroph studija) ili je iz ekspertnih sistema (Drools zadatak). Na svakom od zadataka potrebno je ostvariti najmanje polovinu poena predviđenih za taj zadatak.

Nije dozvoljeno slikati, kopirati, niti odnositi zadatke. Kao posledicu, to povlači diskvalifikaciju studenta na datom ispitu i podnošenje disciplinske prijave.

Greške koje se ocenjuju sa 0 poena (Mašinsko učenje u R-u):

  • Rad koji nema skriptu ili dataset u direktorijumu projekta
  • Kompajlerske greške u kodu
  • Rad koji sadrži makar jednu grešku koja onemogućuje dalje dobijanje smislenih rezultata; primeri takvih grešaka:
    • Transformisanje klasične kategoričke varijable (npr. country) u numeričku i dalje tretiranje te varijable kao da je regularna numerička varijabla
    • Kreiranje modela uz korišćenje varijable od koje je nastala izlazna varijabla
    • Treniranje modela korišćenjem kompletnog dataset-a ili test seta
    • Korišćenje train seta za kreiranje predikcija i evaluaciju modela
    • Kreiranje modela bez razmatranja konteksta u kome se model primenjuje, a koji je definisan zahtevom zadatka. Na primer, uključivanje u model varijabli koje nemaju nikakvog smisla u kontekstu datog zadatka, kao što je, na primer, redni broj opservacije. Razni drugi primeri nerazmatranja konteksta zadatka navođeni su tokom časova predavanja i vežbi.

Materijali za ispit

Jedino materijali postavljeni u ovoj sekciji su dozvoljeni na kolokvijumu i ispitu. Ovi materijali će biti raspoloživi (u elektronskom obliku) na računarima na kojima se polaže kolokvijum / ispit.

Primeri ispitnih zadataka se nalaze na posebnoj stranici.