Циљ и исход предмета
Основе машинског учења и вештачке интелигенције као кључних области за развој паметних, адаптивних и аутономних инжењерских система са разним применама. Проучава се дизајн, обука и имплементација алгоритама машинског учења, са посебним фокусом на њихову интеграцију у реалне инжењерске системе, рачунарске мреже, уграђене (ембедед) уређаје и дигитални хардвер. Кандидат је у стању да пројектује и примени методе вештачке интелигенције за решавање сложених проблема анализе података, предикције, класификације и управљања у разним областима инжењерства. Студенти разумеју и примењују напредне технике оптимизације и прилагођавања AI модела за рад у реалном времену и на хардверским платформама са ограниченим ресурсима. Кандидати разумеју и у стању су да анализирају перформансе и поузданост паметних система.
Теоријска настава
Основи машинског учења и вештачке интелигенције у контексту инжењерских апликација. Класичне методе машинског учења (надгледано, ненадгледано и учење уз поткрепљење) и њихова примена у инжењерству. Вештачке неуронске мреже и дубоко учење (Deep Learning). Обрада временских серија, сензорских података и дигиталних сигнала помоћу AI алгоритама. Вештачка интелигенција на ивици мреже (Edge AI) и имплементација модела на уграђеним (ембедед) системима. Методе оптимизације модела за извршавање у реалном времену (квантизација, компактизација и орезивање неуронских мрежа). Ко-дизајн хардвера и софтвера за AI акцелераторе. Примена машинског учења за детекцију аномалија, предиктивно одржавање и оптимизацију рачунарских мрежа и система. Сигурност, робусност и објашњивост (Explainable AI) модела у критичним инжењерским применама. Примери примене у роботици, аутономним возилима, паметним мрежама и индустрији.
Студијски истраживачки рад
Примена савремених софтверских библиотека и развојних окружења за машинско учење и вештачку интелигенцију (нпр. TensorFlow, PyTorch, Scikit-learn). Развој, обука и валидација AI модела на инжењерским скуповима података. Имплементација и оптимизација научених модела за извршавање на специфичним хардверским платформама (микроконтролери, FPGA, GPU). Симулација и тестирање перформанси интегрисаних паметних система у реалним сценаријима. 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.