Napredni inteligentni sistemi

Cilj i ishod predmeta

Sticanje znanja za primenu algoritama veštačke inteligencije i mašinskog učenja u analizi i obradi signala slike, vremenskih serija, video i audio, kao i biomedicinskih signala. Mogućnost analitike vilikih podataka koji se dobijaju od interneta stvari. Studenti su osposobljeni za analizu, implementaciju, primenu i evaluaciju algoritama veštačke inteligencije u obradi signala slike, vremenskih serija, video i audio signala, kao i za analizu biomedicinskih signala. Znaju da primene napredne tehnike veštačke inteligencije kod masovnih distribuiranih sistema, posebno kod interneta stvari.

Teorijska nastava

Veštačke neuronske mreže sa direktnim prostiranjem signala, rekurentne neuronske mreže, konvolucione neuronske mreže. Obrada slike, video i audio primenom neuronskih mreža. Prepoznavanje rukopisa i govora. Prepoznavanje lica. Video segmentacija i detekcija graničnih okvira. Određivanje položaja šake u realnom vremenu. Konvergencija uvećane stvarnosti, inteligentnih virtuelnih agenata i interneta stvari. Hibridni pristup segmentaciji slike kod interneta stvari. Analitika velikih podataka kod interneta stvari. Analiza i predikcija vremenskih serija. Tehnike mašinskog učenja u analizi biomedicinskih signala (EKG, EEG, EMG). Uklanjanje šuma, ekstrakcija svojstava, redukcija broja dimenzija (PCA, ICA, KPCA, MSPCA), entropijske i ostale statističke mere.

Praktična nastava

Implementacija neuronske mreže sa direktnim prostiranjem signala, rekurentne neuronske mreže, konvolucione neuronske mreže. Obrada slike, video i audio signala primenom neuronskih mreža. Analiza i predikcija vremenskih serija. Upotreba alata TensorFlow i Keras. Ekstrakcija graničnih okvira upotrebom alata Torchvision i Torch. Implementacija nadgledanog i nenadgledanog učenja kod intereneta stvari. Distribuirana obrada u internetu stvari putem Apache Spark upotrebom MLLib i H2O.ai platformi. Studije slučaja za Personal IoT, Industrial IoT i pametne gradove.

5737-napredni-inteligentni-sistemi