Metode i alati u AI

  1. Definicija ekspertnog sustava
  2. Komponente ekspertnih sustava
  3. Primjeri ekspertnih sustava

  1. Učenje iz primjera
  2. Tipovi učenja
    1. Učenje pod nadzorom
    2. Učenje bez nadzora
    3. Ojačano učenje
  3. Praktični alati za UI/ML
    1. Programsko okruženje
    2. Grafički alati, KNIME
  4. Regresija
    1. Univarijatna regresija
    2. Multivarijatna regresija
    3. Kakvoća regresijskih modela
  5. Klasifikacija
    1. Logistička regresija
    2. Stabla odluke
    3. Kakvoća klasifikatora
  6. Pristranost i varijanca
  7. Ekstrakcija značajki
  8. Zajednica modela
    1. Nasumična šuma
    2. Regresijska stabla
    3. Jačana stabla
    4. Podešavanje hiperparametara u ML-u

  1. Neuronske mreže
    1. Neuroni u biologiji
    2. Perceptron
    3. Širenje unatrag i gradijentni spust
    4. Konvolucijske neuronske mreže (CNN)
    5. Povratne neuronske mreže (RNN)
  2. Duboko učenje: primjeri i slučajevi upotrebe
  3. Praktični aspekti dubokog učenja
    1. Okruženja
    2. Označavanje i povećavanje podataka
    3. Standardni modeli i učenje prijenosom znanja

  1. Primjeri NLP zadaća
  2. Pripremna obrada teksta
  3. Latentni prostor značajki
  4. Transformatori
  5. Veliki jezikovni modeli

  1. Programska okruženja za UI/ML
    1. Jupyter Notebooks + Python, Anaconda
    2. Okruženja: Scikit-Learn, Tensorflow, PyTorch, Keras etc.
  2. UI/ML bez koda
    1. Analitička platforma KNIME
    2. Ostalo

Uvod u UI

Primijenjena metodologija UI