Uvod u mašinsko učenje

Uvod u mašinsko učenje

Dokvalifikacije u najaktuelnijem domenu IT industrije - Machine Learning. Kurs je namenjen softver inženjerima sa minimum 3 godine radnog iskustva i naprednim znanjem matematike.

O treningu

Organizujemo prve dokvalifikacije u najaktuelnijem domenu IT industrije - Machine Learning (mašinsko učenje). Već nekoliko godina u Petnici se za napredne studente fakulteta organizuje ML seminar čiji je cilj sticanje osnovnog znanja iz mašinskog učenja. ML seminar u Petnici je jedan od najpopularnijih i najboljih ML seminara u regionu.  Po uzoru na taj program, napravili smo kurs namenjen iskusnim inženjerima.

Zašto je bitno poznavanje mašinskog učenja?
Smatra se da će zemlje koje su u mogućnosti da ponude najviše inteligentnih rešenja imati primat u okviru IT scene.  Ideja je da se kroz ovaj kurs iskusni inženjeri upoznaju sa nekim od veština u mašinskom učenju tako da te ideje i tehnike potom mogu da primene u svojim razvojnim timovima.  
 
Mašinsko učenje je iznad svega disciplina koja može da doprinese mnogim domenima i koja ima jako izazovne primene. Ovo je oblast u kojoj ima najviše publikacija u akademskim krugovima koji se bave veštačkom inteligencijom, a sve velike kompanije, kao sto su Google, Facebook ili Microsoft, primenjuju metode mašinskog učenja u svojim aplikacijama.  
 
Zašto je ovo jedan od najboljih kurseva ove vrste u regionu?
Program našeg ML kursa izvode profesori i inženjeri koji već dugo uspešno primenjuju ML tehnike u svakodnevnom okruženju, a znanje su stekli radeći na najzahtevnijim projektima i proizvodima u IT industriji. Kurs je testiran i razrađen u Petnici, a ove jeseni je prvi put formatiran za našu industriju. Dakle, spojili smo najbolje iz naše industrije sa najboljim iz formalnog obrazovanja. 
Prednost kursa je što sumira teorijska znanja koja su važna za razvoj modela mašinskog učenja i njihovu evaluaciju. Kurs je usmeren ka tehnikama nadgledanog mašinskog učenja i pokriva regresione i klasifikacione probleme. Kurs stavlja jak akcenat na neuronske mreže: mreže sa propagacijom unapred, konvolucione i rekurentne neuronske mreže. Sjajno je što će se svaki od ovih modela implementirati od nule i što će se kroz njihovu implementaciju omogućiti visok stepen razumevanja celog procesa učenja. To će dalje olakšati korišćenje mnogih biblioteka i alata koji postoje u zajednici jer su znanja koja se na ovaj način stiču univerzalna.  
 
Kao rezultat kursa, kandidati će naučiti najaktuelnije ML tehnike i njihove primene.  Kurs je struktuiran tako da se svakodnevno meša praksa i teorija, a vikendi su ostavljeni za praktične zadatke koji služe za dalje usavršavanje znanja. Na kraju kursa postoji krovni projekatkoji objedinjuje sva stečena znanja i koji omogućava eksperimentisanje sa različitim modelima nad realnim podacima. Posebno će se obratiti pažnja na  pripremu podataka,koja je neizostavni korak svakog eksperimenta.
 
Cilj kursa je dovoljan nivo znanja da kandidati mogu primeniti naučene tehnike na projektima u svojim kompanijama. 
 
Kome je kurs namenjen?
ML je jako specifična oblast koja zahteva odlično poznavanje matematike i računarstva.  Kandidati moraju biti softver inženjeri koji imaju minimum 3 godine radnog iskustva i solidno matematičko znanje.  Idealan kandidat je prošao kroz regularni visokoobrazovni ciklus sa minimum 4 semestra više matematike.  Kurs se radi u Python jeziku uz korišćenje TensorFlow biblioteke. 
 

Agenda

Dan 1

Dan 1 - Osnove mašinskog učenja - Predavač Mladen Nikolić
10:00 - 14:00
O mašinskom učenju
10:00 - 14:00
Klasifikacija metoda mašinskog učenja
10:00 - 14:00
Osnove nadgledanog mašinskog učenja
09:30 - 14:00
Linearna regresija
10:00 - 14:00
Logistička regresija
10:00 - 14:00
Osnovna pred-obrada i ocenjivanje
10:00 - 14:00
Vežba: Logistička regresija

Dan 2

Neuronske mreže i propagacija unazad - Predavač Saša Galić
10:00 - 14:00
Istorija neuronskih mreža
10:00 - 14:00
Tipovi neuronskih mreža
10:00 - 14:00
Gradivni elementi neuronskih mreža
10:00 - 14:00
Kapacitet neuronskih mreža
10:00 - 14:00
Gradijentni spust
10:00 - 14:00
Funkcija greške
10:00 - 14:00
Izračunavanje gradijenata
10:00 - 14:00
Regularizacija
10:00 - 14:00
Empirijska analiza
10:00 - 14:00
Vežba: Implementacija propagacije unazad u Python-u

Dan 3

Konvolucione neuronske mreže - Predavač Nikola Milosavljević
10:00 - 14:00
Motivacija, filozofija i primene
10:00 - 14:00
Osnovni tipovi slojeva
10:00 - 14:00
Tehnike treniranja
10:00 - 14:00
Arhitekture za klasifikaciju slika: AlexNet, Inception, ResNet
10:00 - 14:00
Kratak pregled primena na drugim computer vision problemima
10:00 - 14:00
Vežba: Osnove korišćenja TensorFlow biblioteke za rad sa konvolucionim neuronskim mrežama

Dan 4

Rekurentne neuronske mreže - Predavač Momčilo Vasilijević
10:00 - 14:00
Tipovi problema koje rešavamo rekurentnim neuronskim mrežama
10:00 - 14:00
Rekurentne mreže. Propagacija unapred (feedforward), treniranje (backpropagation), regularizacija, bidirekcione mreže, LSTM.
10:00 - 14:00
Primene rekurentnih mreža. Prepoznavanje govora, optičko prepoznavanje karaktera (OCR), modelovanje jezika, mašinsko prevođenje
10:00 - 14:00
Vežba: Implementacija rekurentne mreže korišćenjem TensorFlow biblioteke

Dan 5

Implementacija neuronske mreže u TensorFlow okruženju - Predavači Saša Galić i Momčilo Vasilijević
10:00 - 14:00
Projekat
10:00 - 14:00
Rešavanje konkretnog problema upotrebom mašinskog učenja. Pravljenje skupova podataka, dizajniranje modela, trening, evaluacija
10:00 - 14:00
Praktična upotreba ML metoda u svakodnevnom radu polaznika

Nastava se odvija od 10.00 do 14.00 časova. Nakon toga učionica je na raspolaganju korisnicima za praktične vežbe u periodu od 14.00 do 18.00 časova.

O predavačima

Mladen Nikolić je docent na Matematičkom fakultetu, na kojem je zaposlen poslednjih 13 godina. Diplomirao je 2005. na smeru za računarstvo Matematičkog fakulteta. Na istom fakultetu je odbranio magistarsku tezu 2008. i doktorsku tezu 2013, obe u oblasti veštačke inteligencije.Bavi se dizajnom i primenama algoritama mašinskog učenja u oblastima analize prostornih podataka, društvenih mreža i u automatskom rezonovanju. Predavač je na PSIML seminaru mašinskog učenja u Petnici.

Momčilo Vasilijević je senior softver inženjer zaposlen u Microsoft razvojnom centru u Srbiji. Diplomirao je 2013. na Elektrotehničkom fakultetu Univerziteta u Beogradu, na odseku za računarsku tehniku i informatiku. Od 2012. radi u Microsoft razvojnom centru gde se bavi primenom mašinskog učenja u okviru projekata kao što su PDF Reflow, Microsoft OCR, Microsoft HoloLens, Windows Photos. Oblasti interesovanja obuhvataju dizajn i optimizaciju neuronskih mreža, semantičko razumevanje teksta i digitalnih sadržaja. Predavač je na PSIML seminaru mašinskog učenja u Petnici.

Nikola Milosavljević je senior softver inženjer u Microsoft razvojnom centru u Srbiji. Diplomirao je 2002. na Elektrotehničkom fakultetu Univerziteta u Beogradu, na odseku za telekomunikacije, a doktorirao 2009. na univerzitetu Stanford u SAD na temi vezanoj za bežične senzorske mreže. U Microsoft razvojnom centru je od 2012. Radi na primeni mašinskog učenja na computer vision probleme, u okviru projekata kao što su Microsoft OCR i Microsoft HoloLens. Predavač je na PSIML seminaru mašinskog učenja u Petnici.

Saša Galić je senior softver inženjer zaposlen u Microsoft razvojnom centru u Srbiji poslednjih 12 godina. Magistrirao na Elektrotehničkom fakultetu Univerziteta u Beogradu na temu iz obrade slike. Tokom svoje profesionalne karijere radio je na brojnim projektima koji koriste mašinsko učenje, uključujući “Microsoft OCR”, “Windows 8”, “Microsoft Hololens” itd. Domen interesovanja obuhvata obradu slike, dizajn neuronskih mreža i njihova upotreba na rešavanju problema u 2D i 3D prostoru. Predavač je na PSIML seminaru mašinskog učenja u Petnici.

Cena
1.000 €
Datum
15-30.11.2018.