Mašinsko učenje
( 24 Moduli )

modul #1
Uvod u mašinsko učenje
Pregled mašinskog učenja, vrste mašinskog učenja i važnost mašinskog učenja

modul #2
Matematičke osnove
Linearna algebra, račun, verovatnoća i statistika

modul #3
Prethodna obrada podataka
Čišćenje podataka, skaliranje karakteristika, normalizacija i odabir karakteristika

modul #4
Učenje pod nadzorom
Uvod u nadzirano učenje, regresiju i klasifikaciju

modul #5
Linearna regresija
Jednostavna i višestruka linearna regresija, cijena funkcija i spuštanje gradijenta

modul #6
Logistička regresija
Logistička regresija, sigmoidna funkcija i funkcija troškova

modul #7
Stabla odlučivanja
Uvod u stabla odlučivanja, entropiju i dobijanje informacija

modul #8
Slučajni Šume
Učenje ansambala, nasumične šume i podešavanje hiperparametara

modul #9
Mašine za vektore podrške
Uvod u SVM-ove, trik jezgra i SVM-ove meke margine

modul #10
Učenje bez nadzora
Uvod u učenje bez nadzora, grupisanje i smanjenje dimenzionalnosti

modul #11
K-means klastering
K-means klastering algoritam, funkcija troškova i Lloyds algoritam

modul #12
Hijerarhijsko grupisanje
Hijerarhijsko grupisanje, aglomerativno i podjelno grupiranje

modul #13
Analiza glavnih komponenti
Uvod u PCA, svojstvene vrijednosti i svojstvene vektore

modul #14
Osnove dubokog učenja
Uvod u duboko učenje, neuronske mreže i perceptron

modul #15
Konvolutivne neuronske mreže
Uvod u CNN-ove , konvolucijski slojevi i slojevi udruživanja

modul #16
Rekurentne neuronske mreže
Uvod u RNN, LSTM i GRU

modul #17
Obrada prirodnog jezika
Uvod u NLP, prethodnu obradu teksta i ugrađivanje riječi

modul #18
Evaluacija i odabir modela
Metrike za evaluaciju, prenamjenu i tehnike odabira modela

modul #19
Podešavanje hiperparametara
Uvod u podešavanje hiperparametara, pretraživanje mreže i slučajnu pretragu

modul #20
Razmještanje modela
Primena modela mašinskog učenja, posluživanje modela i razmatranja

modul #21
Etika i pravednost u mašinskom učenju
Pristrasnost i pravičnost u mašinskom učenju, etika i transparentnost

modul #22
Studije slučaja u mašinskom učenju
Stvarno- svjetske primjene mašinskog učenja, studija slučaja i projekata

modul #23
Napredne teme u mašinskom učenju
Napredne teme u mašinskom učenju, uključujući učenje s pojačanjem i generativne modele

modul #24
Završetak i zaključak kursa
Planiranje narednih koraka u karijeri mašinskog učenja

Spremni za učenje, podijelite i takmičite se?