Font size
A-
A
A+
Site color
R
A
A
A
Skip to main content
Side panel
Home
Calendar
More
You are currently using guest access
Log in
AI4VET
Home
Calendar
Expand all
Collapse all
AI/ML Fundamentals
AIML-SR
5. Reference
ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING FUNDAMENTALS EN
ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING FUNDAMENTALS EN
Open course index
DOCX
Completion requirements:
View
Click
ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING FUNDAMENTALS EN.docx
link to view the file.
Previous activity
GitHub repostitory
Jump to...
Jump to...
1.1 Koncept veštačke inteligencije
1.2 Turingov test
1.3 Oblasti veštačke inteligencije
1.4 Regulacija veštačke inteligencije, pravni i etički izazovi
1.5 Uska, opšta i superinteligencija
Intro Exercise: Jupyter sveske za vežbu
Intro Exercise: Platforma Google Colab
Intro Exercise: Bilioteka NumPy, Matplotlib i Pandas
Vežba 1.1: Primena veštačke inteligencije - korišćenje AI programa
Vežba 1.2: Primena veštačke inteligencije - simulacija Turingovog testa
Vežba 1.3: Primena veštačke inteligencije - identifikovanje sistema zasnovanih na AI
Vežba 1.4: Primena veštačke inteligencije - istraživanje superinteligencije
2.1 Odnos između veštačke inteligencije i mašinskog učenja
2.2 Programiranje na osnovu podataka
2.3 Osnovni koncepti mašinskog učenja
2.4 Proces mašinskog učenja
2.5 Vrste mašinskog učenja
2.6 Podaci u mašinskom učenju
2.7 Eksplorativna analiza skupa podataka (EDA)
2.8 Kreiranje reprezentacije skupa podataka
2.9 Skupovi za treniranje, validaciju i testiranje
Vežba 2.A: Popularni skupovi podataka MNIST
Vežba 2.B: Popularni skupovi podataka – ImageNet
Vežba 2.C: Popularni skupovi podataka – COCO
Vežba 3: Eksplorativna analiza skupa podataka
Vežba 4: Setovi za obuku, validaciju i testiranje
3.1 Linearna regresija
3.2 Gradijentni spust
3.3 Polinomijalna regresija
3.4 Višestruka linearna regresija
3.5 Klasifikacija, vrste klasifikacije i matrica konfuzije
3.6 Logistička regresija
3.7 Stablo odlučivanja (Decision tree)
3.8 Algoritam k-najbližih suseda
3.9 Hiperparametri
3.10 Generalizacija, potprilagođavanje i preprilagođavanje
3.11 Unakrsna validacija
3.12 Regularizacija
Vežba 5.1: Linearna regresija
Vežba 5.2: Gradijentni spust
Vežba 6: Logistička regresija
Vežba 7: Stablo odlučivanja
Vežba 8: Algoritam k-najbližih suseda
Vežba 9: Validacija
4.1 Neuronske mreže
4.2 Obučavanje neuronskih mreža
4.3 Konvolutivne neuronske mreže (CNN)
4.4 Rekurentne neuronske mreže
4.5 Algoritam k-sredina
Vežba 10: Obučavanje neuronskih mreža
Vežba 11: Mreža VGG-16 i zadatak klasifikacije
Vežba12: Algoritam K-sredina
GitHub repostitory
ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING FUNDAMENTALS EN
Curriculum: Fundamentals of Artificial Intelligence and Machine Learning
https://scikit-learn.org/
https://petlja.org/sr-Latn-RS/kurs/11203/0
Hands-On-Machine-Learning-with-Scikit-Learn-Keras-and-Tensorflow -Concepts-Tools-and-Techniques-to-Build-Intelligent-Systems-Aurélien-Géron-O’Reilly-Media-2019
machine-learning-and-artificial-intelligence-1st-ed-2020-978-3-030-26621-9-978-3-030-26622-6 compress
Explorations in Artificial Intelligence and Machine Learning
Machine Learning For Absolute Beginners
Artificial Intelligence A Modern Approach 3rd
Deep Learning by Ian Goodfellow, Yoshua Bengio, and Aaron Courville
Hands-On AI Projects for the Classroom
Book
ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING FUNDAMENTALS SR
Lekcije - spisak
Lekcije - Upload
Next activity
ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING FUNDAMENTALS EN