Садржај

Мотивација. Елементи система машинског учења. Вештачке неуронске мреже. Линеарна и логистичка регресија. Теорија грубих скупова. Вектор машине, Принципал Цомпонент Аналyсис-ПЦА. Кластеринг методе. Припрема података (Дата Wранглинг). "Енсембле" методи у склопу система машинског учења. Бинарни класификатори. Мулти класификатори. Боостинг и Баггинг. Детекција аномалија. Меморy Аугментед неуронске мреже. Дееп Реинфорцемент алгоритми обучавања. Практичне примене система машинског учења. Компоненте система машинског учења у системима заснованим на знању (Кноwледге Басед Сyстемс - КБС). Елементи машинског учења у склопу Индустрy 4.0. Системи машинског учења у домену медицине. Системи машинског учења примењени на социјалне медије. Анализа расположења потрошача методама машинског учења. Практични развој прототипа система машинског учења (Јава, Пyтхон).