Strojno učenje
Kolegij "Strojno učenje" proučava algoritme koji omogućavaju računalima da uče iz podataka i samostalno donose odluke bez eksplicitnog programiranja za specifične zadatke. Osnovni cilj kolegija je upoznati studente s teoretskim osnovama strojnog učenja, kao i s praktičnom primjenom tih algoritama na stvarne probleme. Kroz predavanja, vježbe i projekte, studenti uče o različitim tipovima strojnog učenja, uključujući nadzirano učenje, nenadzirano učenje, i pojačano učenje.
Teme koje se obično obrađuju uključuju:
- Osnove strojnog učenja: povijest, motivacija, i primjene.
- Modeli nadziranog učenja: linearna regresija, logistička regresija, strojevi s potpornim vektorima, neuronske mreže, i duboko učenje.
- Modeli nenadziranog učenja: grupiranje, smanjenje dimenzionalnosti, i asocijacijska pravila.
- Modeli pojačanog učenja: osnove strategija i algoritama za učenje temeljem nagrade.
- Evaluacija modela: metrike za procjenu performansi, validacija modela i izbjegavanje prenaučenosti.
- Praktična primjena: korištenje programskih biblioteka za strojno učenje poput scikit-learn, TensorFlow, i PyTorch za rješavanje stvarnih problema.
Osim teoretskih osnova, velik naglasak stavlja se na praktične vještine, uključujući programiranje, obradu i vizualizaciju podataka, te implementaciju, evaluaciju i fine-tuning modela strojnog učenja. Kolegij je namijenjen studentima informatike, računalnog inženjerstva, kao i svima zainteresiranima za područje umjetne inteligencije.