mislo

Fakulteta za elektrotehniko, računalništvo in informatiko · Univerza v Mariboru

Inteligentni sistemi in strojno učenje

Za predmet Inteligentni sistemi in 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 predmet Inteligentni sistemi in 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 elektrotehniko, računalništvo in informatiko. Prebrano 6. 9. 2026. Poglej izvirnik

6 kreditnih točk

Obveznosti v urah

  • Predavanja45 ur
  • Vaje30 ur
  • Samostojno delo105 ur

Vsebina

  1. Uvod: umetna inteligenca in strojno učenje, področja uporabe, programska orodja.
  2. Strojno učenje in odkrivanje znanja v podatkih, življenjski cikel strojnega učenja, podatkovno podprto odločanje.
  3. Pridobivanje in priprava podatkov: odkrivanje in identifikacija podatkov, izbira atributov, obravnava strukturiranih in nestrukturiranih podatkov, čiščenje in filtriranje podatkov, integracija in transformacija podatkov in atributov.
  4. Principi strojnega učenja, nadzorovano, delno-nadzorovano in nenadzorovano učenje.
  5. Temeljne naloge strojnega učenja: klasifikacija, regresija, segmentacija (gručenje), analiza odvisnosti, odkrivanje anomalij.
  6. Cenitvene metrike in metode vrednotenja modelov strojnega učenja.
  7. Osnovne klasifikacijske in regresijske metode: linearna in logistična regresija, naivni Bayes, metode najbližjih sosedov, odločitvena drevesa, nevronske mreže, metoda podpornih vektorjev.
  8. Osnovne metode gručenja in analize odvisnosti: k-means, hierarhično gručenje, apriori algoritem.
  9. Izbrane napredne metode strojnega učenja.
  10. Izbrane aplikacije strojnega učenja (besedilo, slike, časovna zaporedja, grafi, splet).
  11. Strojno učenje v programskem okolju Python, programske knjižnice, orodja in ogrodja strojnega učenja.
  12. Interpretacija rezultatov, načini predstavitve rezultatov, uporaba naučenih modelov znanja.
  13. Izzivi in pasti strojnega učenja, etični vidiki in dileme.

Ocenjevanje

Pisni izpit 50 %, Računalniško delo 40 %, Praktični izpit 10 %

Pogoji za vključitev

Priporočeno je poznavanje razvoja programske opreme.

Literatura

  • M. Zorman, V. Podgorelec, et al: Inteligentni sistemi in profesionalni vsakdan, CIMRŠ, Maribor, 2003
  • Karakatič, S., & Fister, I. (2022). Strojno učenje: s Pythonom do prvega klasifikatorja (1. izd.). Univerza v Mariboru, Univerzitetna založba. https://press.um.si/index.php/ump/catalog/book/643

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.