Мултифрактална анализа

Циљ и исход предмета

Стицање знања о фракталима и мултифракталима и примени мултифракталне и фракталне анализе на проблеме високе комплексности. Способност разумевања основних алгоритама који се користе у мултифракталној анализи, као и могућност проширења знања радом на одређеном проблему из области докторске дисертације кандидата.

Теоријска настава

Теорија фрактала. Особине фрактала. Природни фрактали. Еуклидске и тополошке димензије. Фракталне димензије. Димензије сличности. Box-counting димензије. Hausdorff димензије. Мултифрактална теорија. Теорија мере. Мултифрактална анализа. Фина и груба теорија. Збирови момента и Лежандрове трансформације. Обрада слике на бази мултифрактала. Дигитална слика у нијансама сиве. Сегментација слике и класификација текстутре. Методе за одређивање мултифракталног спектра.

Студијски истраживачки рад

Примена фракталне и мултифракталне анализе слике у медицини. Мултифрактална анализа EEG сигнала у одређивању хроничних болести централног нервног система. Примена на анализу слика са микроскопа, магнетне резонанце и мамографије за класификацију и налажење примарнох жаришта тумора.

Микросервисне апликације

Циљ и исход предмета

Креирање синхоних и асинхроних микросервиса. Креирање DevOps токова за микросервисе и њихова скалабилна имплементација. Експонирање кластера микросервиса као API. Прихватање основних концепата мискросервисних веб апликација. Практична примена стеченог знања на развој робусне микросервисне апликације коришћењем Spring Boot и Spring Cloud framework-а, Netflix OSS. Паковање апликације у Доцкер контејнере и дефинисање деполоyмент пипелине-а. Теоријски осврт на оркестрацију микросервиса (Docker Swarm, Kubernetes).

Теоријска настава

Архитектура и особине микросервисних апликација. Кораци у провеђењу монолитне у микросервисну архитектуру. Случајеви употребе микросервиса. Развој апликација заснованих на методологији ”12 фактора” (12-factor app) - најбоље праксе за развој одрживих, скалабилних и портабилних апликација. Поређење микросервис архитектура, SOA и архитектура монолитних апликација. Протоколи, парадигме и обрасци на којима се заснивају микросервис архитектуре: комуникација преко HTTP протокола, REST API, декларативни HTTP клијенти, Message Broker, Service Discovery, API Gateway, Circuit Breaker. Различите имплементације микросервиса - доменски оријентисане архитектуре (Data-driven), програмирање вођено догађајима (Event-driven). Управљање дистрибуираним базама података. Агрегирање логова микросервиса и њихово разумевање. Безбедност апликација заснованих на микросервисима. Употреба микросервиса код IoT апликација. Пројектовање IoT посредног слоја (middleware) употребом микросервиса.

Практична настава

DevOps развојна култура и пракса континуиране интеграције и континуираног deployment-a (CI/CD). Упознавање са алатима за праћење верзија кода и апликација (Git, Jenkins). Упознавање са различитим стратегијама тестирања (Unit testing, Integration testing, Canary Testing, A/B testing). Изоловање апликација у Доцкер контејнере (писање Dockerfile-a, registar Docker image-a), оркестрација контејнера, скалирање микросервисне апликације. Рад са базама података у микросервисној архитектури укључујући релационе и нерелационе базе. Коришћење Hiberante ORM алата за перзистенцију података. Комуникација између микросервиса и коришћење система за размену порука. Развој конкретних микросервиса за одређене примене код IoT.

Примењена вештачка интелигенција

Циљ и исход предмета

Упознавање са идејама које су се појавиле током истраживања и развоја у вештачкој интелигенцији у току њеног педесетогодишњег развоја, а кроз уједињавајућу идеју интелигентног агента. Разумевање начина изградње вештачкоинтелигентних ентитета. По завршетку курса, студент има основна знања о вештачко-интелигентним системима (VI). У стању је да одреди шта се може урадити VI приступом. У стању је да одреди проблеме за чије решавање се примењују VI приступи. Зна карактеристике разматраних VI метода. Може да предложи начин решавања проблема, а за неке проблеме и да изабере и реализује одговарајући VI метод. Припремљен је за уже-стручне предмете из области вештачке интелигенције и рачунарске интелигенције.

Теоријска настава

Увод у вештачку интелигенцију. Традиционална VI. Појам агента. Претраживање и хеуристике и везе са игрицама. Представљање знања и поступци аутоматског расуђивања. Експертски системи. Третирање неизвесности у знању и приближно расуђивање. Увод у обучавање. Надгледано и ненадгледано обучавање. Увод у неуралне мреже. Перцептрон и вишеслојни перцептрон. Плитке и дубоке мреже. Аутоенкодери. Конволуционе мреже. Мреже за учење на грешкама. Рекурентне мреже. Генеративне адверзалне мреже. Примена у обради природног језика, препознавању говора, препознавању слика, роботици, медицини, биоинформатици, финансијама, пословању.

Практична настава

Имплементација алгоритама обрађених на предавањима. Имплементација минимакс алгоритма на примеру игре са два играча. Имплементација правила расуђивања уланчавање унапред и уланчавање у назад. Имплементација експертских система.

Спектрална анализа сигнала

Циљ и исход предмета

У оквиру предмета се обрађују класични и модерни алгоритми за рачунарску спектралну анализу временских и просторних сигнала. Такође, обрађују се различите примене спектралне анализе у телекоминикацијама, рачунарском инжењерству, биомедицини, економији. Кандидати разумеју појам спектралне анализе и спектра сигнала. Кандидати анализирају неколико непараметарских метода спектралне анализе заснованих на перидограмима, банкама филтара, и примењују их за решавање проблема из различитих области. Анализирају и примењују одређене параметарске методе спектралне анализе. Кандидати су у стању да доносе одлуке о избору одређеног алгоритма, и одређивању параматера. Примењују методе спектралне анализе у разним областима за решавање проблема.

Теоријска настава

Дефиниција и преглед проблема спектралне естимације. Временски непроменљиви случајни сигнали. Фуријеове трансформације за одређивање спектра. Примена вејвлета и банака филтара. Методи засновани перидограмима и корелограмима. Напредни методи засновани на периодограмима. Особине периодограма. Анализа прозорских функција за одређивање периодограма. Спектрограми. Параметарски методи спектралне анализе. ARMA (autoregressive moving average) процеси. AR сигнали -Yule - Walker метод, и Левинсон - Дурбин алгоритам, алгоритам најмањих квадрата. MA сигнали. ARMA сигнали. Спектрална анализа временских низова. Спектрална анализа просторних сигнала. Примена спектралне анализа у телекомуникацијама, биомедицини, економији.

Студијски истраживачки рад

Примена софтверских пакета GNU Octave, Matlab за спектрални анализу изабраних сигнала. Примена спектралне анализе у задатим ситуацијама. Кроз студијски истраживачки рад студент, проучавајући научне часописе и осталу литературу самостално продубљује градиво са предавања. Уз рад са наставником студент се оспособљава за самостално писање научног рада.

Безбедност интернет сервиса

Циљ и исход предмета

Предмет покрива основне и напредне технике безбедности комуникационих протокола и интернет сервиса. Изучавају се неке од познатих техника напада као и методологије развоја отпорних интернет сервиса. Студент ће се упознати са широм проблематиком интернет безбедности почевши од проблема комуникационих канала до проблема безбедности сервиса. Кроз ток предмета, научиће како да примене знање и практично подигну ниво безбедности интернет сервиса у целини.

Теоријска настава

Основни концепти у интернет безбедности. Сигурносне претње, напади и ризици. Фундаментални принципи сигурног софтверског дизајна. Криптографија: симетрични шифарски алгоритми, асиметрични шифарски алгоритми, хеш алгоритми, дигитални потпис, безбедна размена кључева. Радном и псеудо-рандом генератори. Технике аутентификације: шифра, токен, биометријска, удаљена. Контрола приступа. Безбедност база података и система у облаку. Малициозни софтвери. Denial-of-service напади. Детекција напада и упада. Спречавање напада. Технике заштите интернет сервиса - Buffer overflow, најчешћи сиугрносни пропусти, обрада корисникчких улазних података, водиље за израду безбедног софтвера. Заштита оперативних система.

Студијски истраживачки рад

Типови напада. CAPEC класификација. Напад на сервисе. Идентификација сервиса. Reconnaissance (Footprinting). Слабости одређених сервиса. HTTP, POP, Telnet. Exploit. Напад на stack. DOS, DDOS. SQL напади. Процесс ињецтион напади на софтвер. Exploit функционалности web browser-а. Анонимност при нападима. Фиреwалл. IDS/IPS системи. Улога корисничких рачунара. Вируси. Тројански коњи. Worm. Rootkit. Едукација корисника о начинима напада.

Случајни процеси

Циљ и исход предмета

Оспособљавање студената за апстрактно мишљење и стицање знања из области случајних процеса. Анализа теорије која описује понашање случајних сигнала и процеса у реалном свету. Студент је оспособљен да у даљем образовању и научно-истраживачком раду користи стечена знања из области случајних процеса.

Теоријска настава

Увод у вероватноћу: аксиоми, једнаковероватни резултати експеримента, геометријска вероватноћа. Условна вероватноћа, независност. Бајесова формула и њене последице. Појам случајне променљиве и случајних вектора. Нумеричке карактеристике. Условно очекивање. Приближно одређивање случајне променљиве. Карактеристичне функције. Закон великих бројева и централна гранична теорема. Случајни процеси у дискретном времену. Системи са стохастичким улазом. Спектрум степена. Случајно кретање. Процеси кретања тачке. Винерови процеси. Детерминистички сигнали у шуму. Идентификовање система. Фуријеови редови и проширења Кархунен-Лоева. Спектрална репрезентација случајних процеса. Приближно одређивање помоћу средњих квадрата. Филтрирање и предвиђање. Калманов филтер. Појам ентропије. Метод максималне ентропије. Марковљеви ланци. Чепмен-Колмогорове једначине. Класификација стања. Процеси са гранањем. Увод у теорију редова за чекање.

Студијски истраживачки рад

Део наставе на предмету се одвија кроз самостални студијски истраживачки рад. Студијски истраживачки рад обухвата активно праћење примарних научних извора, организацију и извођење експеримената и статистичку обраду података, нумеричке симулације и евентуално писање научног рада.