mislo

Fakulteta za računalništvo in informatiko · Univerza v Ljubljani

Strojno učenje

Za Strojno učenje še ni zapiskov.

Imaš svoje zapiske? Objavi jih: ceno določiš ti, z naročnino ti ostane cela, DDV se doda kupcu.

Objavi zapiske

Čakaš na zapiske? Prijavi se in povej. Ko jih kdo objavi, dobiš sporočilo.

Želim zapiske

Kaj lahko narediš že danes

Naloži svoje gradivo za Strojno učenje: Mai ga prebere in ti iz njega naredi kartice, kviz in razlago, ko ti kaj ni jasno. Če zapiske kasneje objaviš, jih prodajaš tukaj.

Naloži svoje gradivo

Učni načrt

Podatki so iz učnega načrta, ki ga objavlja Fakulteta za računalništvo in informatiko. Prebrano 7. 9. 2026. Poglej izvirnik

6 kreditnih točk

Obveznosti v urah

  • Predavanja45 ur
  • Seminarji6 ur
  • Vaje24 ur
  • Samostojno delo105 ur

Vsebina

  1. Kaj je strojno učenje, kaj so osnovni principi, kaj želimo doseči.
  2. Linearna regresija in poglobljeno obravnavanje regulariziranih metod linearne regresije.
  3. Klasifikacija z metodo logistične regresije.
  4. Cenovne funkcije.
  5. Gradientni sestop in stohastičen gradientni sestop in zakaj sta metodi uporabni v strojnem učenju
  6. Generalizirani linearni modeli.
  7. Vrednotenje modelov strojnega učenja (prečno preverjanje, metoda stremena)
  8. Ansambelske metode (predvsem bagging in boosting in naključni gozdovi)
  9. Jedrne metode (Gaussovi procesi, metoda podpornih vektorjev)
  10. Umetne nevronske mreže (aktivacijska funkcija, metoda vzvratnega razširjanja napake, učenje nevronske mreže, regularizacija)
  11. Metode za zmanjšanje dimenzionalnosti prostora (analiza glavnih komponent, matrična faktorizacija, clustering)
  12. Razlaga modelov strojnega učenja
  13. Spodbujevano učenje
  14. Namen vaj je, da s pomočjo programiranja pristopov različnih algoritmov študenti razumejo metode strojnega učenja in kako te delujejo v praksi.

Ocenjevanje

Sprotno preverjanje (domače naloge, vaje) 50 %, Končno preverjanje (pisni in/ali ustni izpit) 50 %

Pogoji za vključitev

Potrebno je poznavanje verjetnostnega računa, statistike, programiranja in osnov strojnega učenja.

Literatura

  • James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning (Vol. 112, p. 18). New York: Springer.
  • Trevor, H., Robert, T., & Jerome, F. (2016). The elements of statistical learning: data mining, inference, and prediction (second edition).
  • Murphy, K. P. (2022). Probabilistic machine learning: An introduction. MIT press.

Kako deluje

  1. Zapiske kupiš enkrat in ostanejo tvoji.
  2. V aplikaciji iz njih dobiš kartice, kvize in Mai, ki pozna gradivo.
  3. Ceno določi avtor. Prodajalec je Mislo AI, račun dobiš od nas.