ПА-4 Машинско учење-алгоритми машинског учења
|
|
- Бедија Радуловић
- пре 5 година
- Прикази:
Транскрипт
1 ПА-4 Машинско учење-алгоритми машинског учења
2 Машинско учење увод и основни појмови Деф: the desgn and development of algorthms that allow computers to mprove ther performance over tme based on data sensor data or databases; Пројектовање и развој алгоритама у циљу обезбеђивања аутономног понашања интелигентних система у одговарајућем домену; Машинско учење представља програмирање интелигентних система рачунара мобилних робота итд. тако да је систем у стању да самостално донеси одлуке приликом интеракције са окружењем; Машинско учење представља процес обучавања одговарајућег параметарског модела система или процеса сходно усвојеном алгоритму обучавања и критеријуму перформансе. Кључне речи: Desgn пројектовање Development развој Algorthms Computers Improved performance Based on data
3 Основни видови машинског учења. Надгледано учење под надзором - ученик добија инструкције од стране учитеља шта треба да научи - реализује се у форми увођења функције циља критеријум перформансе која представља учитеља.. Ненадгледано учење без надзора - учитељ није експлицитно одређен - ученик мора сам да донесе закључак о пореклу и припадности података - пример Self Organed Maps SOM Adaptve Resonance Theory ART 3. Машинско учење ојачавањем - машинско учење базирано на емпиријским информацијама из окружења - оцена стања система са становишта успешности понашања 3
4 Основни видови надгледаног машинског учења. Класификација - издвајање класа из доступних података - технолошко препознавање типске технолошке форме - препознавње карактеристичних обележја окружења - препознавање говора - постављање дијагноза у медицини на основу прикупљених података нпр. рендген ултразвук итд. X A A A A A A A B B B B B B B B X 4
5 Основни видови надгледаног машинског учења. Регресија - функционална апроксимација - предикција вредности одговарајућих индекса на берзи Линеарна апроксимација: Y Нелинеарна апроксимација: Y Y X Y X X X 5
6 Надгледано машинско учење Обучавајући скуп: s { y } Улазни подаци Жељени излаз Нпр. класификација електронске поште: S={prmljena pošta spam non-spam poslovna prepska prvatna prepska} Или... Предикција квадратуре стана на основу цене: Цена < > Квадратура ~ ~.000 >.000 Локација? 6
7 Пример #: цена половног аутомобила регресија : карактеристике аутомобила y : цена y = g θ g - регресиони модел θ параметри Усвојити критеријум перформансе и одредити регресиони модел 7
8 Пример #3: препознавање лица Обучавајући скуп: х={dmeđu dva okadmeđu očju ustadužna nosa...} y={petar Petrovć Marko Markovć...} Скуп за верификацију Бајесовско препознавање Вештачке неуронске мреже Статистички алгоритми Примена: Безбедност објеката коцкарнице?! тероризам итд. 8
9 Критеријум прерформансе основни еталон приликом доношења одлука: J y y... n y n Функција циља Учитељ Вредност вектора х одређујемо на основу итеративног поступка и тражења минимума функције циља: Ј J 0 k J k Идеална ситуација: локални минимум глобални минимум Ако функција циља има један и само један минимум проблем је линеаран х На жалост... 9
10 Критеријум прерформансе основни еталон приликом доношења одлука: J y y... n y n Функција циља Учитељ Одређивање оног градијента функције циља који једнозначно одређује правац највећег опадања саме функције циља. w w w +w w +w o w 0 w * w n * n Ew w n td od dd SSE SSE SSE SSE W... W W Wm SSE W m 0 Wm
11 Нема учитеља; Ненадгледано машинско учење Ученик самостално учи; Ученик на основу низа X {... n} који представља скуп прикупљених података треба нешто да закључи; Нема излазних величина нису експлицитно дефинисане;
12 Пример: ЕМ алгоритам Epectaton-Mamaton }... { n X p p p 0; ; ~ k j j j Multnomal ~ j j N j j p => Улазни скуп Дакле сваки улазни вектор х одређен је случајним избором из скупа { k}. Након тога х је добијено из једне од к нормалних расподела које зависе од промењљиве. m k m p p p L ; ; log ; log
13 Машинско учење ојачавањем Пример: интелигентни мобилни робот Интелигентни агент-мобилни робот Награда Одлука Технолошко окружење Вектор стања Оцена стања система на основу сензорске информације из окружења Одабир одлуке према одабраном алгоритму нпр. унапред дефинисано кретање унапред сретање... Нумеричка оцена повољности новог стања мобилног робота 3
14 Q - учење ојачавањем: Машинско учење ојачавањем Вредносна оцена стања се ажурира према: Q ma t s a Q s a r t t t t t t Q s a Q s a a t t t t t t ta Остали алгоритми машинског учења ојачавањем: SARSA Actor- Crtc 4
15 Хвала на пажњи! Питања? 5
УНИВЕРЗИТЕТ У БЕОГРАДУ МАШИНСКИ ФАКУЛТЕТ Предмет: КОМПЈУТЕРСКА СИМУЛАЦИЈА И ВЕШТАЧКА ИНТЕЛИГЕНЦИЈА Задатак број: Лист/листова: 1/1 Задатак 5.1 Pостоје
Лист/листова: 1/1 Задатак 5.1 Pостоје софтвери за препознавање бар кодова који знатно олакшавају велики број операција које захтевају препознавање објеката. Слика 1: Приказ свих слова за које је ART-1
Classroom Expectations
АТ-8: Терминирање производно-технолошких ентитета Проф. др Зоран Миљковић Садржај Пројектовање флексибилних ; Математички модел за оптимизацију флексибилних ; Генетички алгоритми у оптимизацији флексибилних
РАСПОРЕД ИСПИТА У ИСПИТНОМ РОКУ ЈАНУАР 1 ШКОЛСКЕ 2016/2017. ГОДИНЕ (последња измена ) Прва година: ПРВА ГОДИНА - сви сем информатике Име пр
РАСПОРЕД ИСПИТА У ИСПИТНОМ РОКУ ЈАНУАР 1 ШКОЛСКЕ 2016/2017. ГОДИНЕ (последња измена 23.01.2017.) Прва година: ПРВА ГОДИНА - сви сем информатике Име предмета Датум и термин одржавања писменог дела испита
I година Назив предмета I термин Вријеме II термин Вријеме Сала Математика : :00 све Основи електротехнике
I година Математика 1 2225 20.06.2019. 9:00 04.07.2019. 9:00 све Основи електротехнике 1 2226 17.06.2019. 9:00 01.07.2019. 13:00 све Програмирање 1 2227 21.06.2019. 9:00 05.07.2019. 9:00 све Основи рачунарске
I година Назив предмета I термин Вријеме II термин Вријеме Сала Математика : :00 све Основи електротехнике
I година Математика 1 2225 05.09.2019. 9:00 19.09.2019. 9:00 све Основи електротехнике 1 2226 02.09.2019. 9:00 16.09.2019. 9:00 све Програмирање 1 2227 06.09.2019. 9:00 20.09.2019. 9:00 све Основи рачунарске
I година Назив предмета I термин Вријеме II термин Вријеме Сала Математика : :00 све Основи електротехнике
I година Математика 1 2225 07.02.2019. 9:00 21.02.2019. 9:00 све Основи електротехнике 1 2226 04.02.2019. 9:00 18.02.2019. 9:00 све Програмирање 1 2227 08.02.2019. 9:00 22.02.2019. 9:00 све Основи рачунарске
I година Назив предмета I термин Вријеме Сала Математика :00 све Основи електротехнике :00 све Програмирање
I година Математика 1 2225 03.10.2019. 15:00 све Основи електротехнике 1 2226 30.09.2019. 15:00 све Програмирање 1 2227 04.10.2019. 15:00 све Основи рачунарске технике 2228 01.10.2019. 15:00 све Социологија
АНКЕТА О ИЗБОРУ СТУДИЈСКИХ ГРУПА И МОДУЛА СТУДИЈСКИ ПРОГРАМИ МАСТЕР АКАДЕМСКИХ СТУДИЈА (МАС): А) РАЧУНАРСТВО И АУТОМАТИКА (РиА) и Б) СОФТВЕРСКО ИНЖЕЊЕ
АНКЕТА О ИЗБОРУ СТУДИЈСКИХ ГРУПА И МОДУЛА СТУДИЈСКИ ПРОГРАМИ МАСТЕР АКАДЕМСКИХ СТУДИЈА (МАС): А) РАЧУНАРСТВО И АУТОМАТИКА (РиА) и Б) СОФТВЕРСКО ИНЖЕЊЕРСТВО И ИНФОРМАЦИОНЕ ТЕХНОЛОГИЈЕ (СИИТ) У циљу бољег
Microsoft Word - III godina - EA - Metodi vjestacke inteligencije
Школска година 2018/2019. Предмет Методи вјештачке интелигенције Шифра предмета 2284 Студијски програм Електроенергетика и аутоматика Циклус студија Година студија Семестар Број студената Број група за
PowerPoint Presentation
Колоквијум # задатак подељен на 4 питања: теоријска практична пишу се програми, коначно решење се записује на папиру, кодови се архивирају преко сајта Инжењерски оптимизациони алгоритми /3 Проблем: NLP:
PowerPoint Presentation
Факултет организационих наука Центар за пословно одлучивање Системи за препоруку П8: Системи за препоруку Закључивање на основу случајева Системи за препоруку 2 Закључивање на основу случајева ПРОНАЂЕНО
ML intro
MAŠINSKO UČENJE JELENA JOVANOVIĆ Email: jeljov@gmail.com Web: http://jelenajovanovic.net PREGLED PREDAVANJA Šta je mašinsko učenje? Zašto (je potrebno/bitno) m. učenje? Oblasti primene m. učenja Oblici
Slide 1
Универзитет у Београду Машински факултет Катедра за производно машинство ЕМПИРИЈСКО УПРАВЉАЊЕ ИНТЕЛИГЕНТНОГ МОБИЛНОГ РОБОТА БАЗИРАНО НА МАШИНСКОМ УЧЕЊУ Кандидат: Марко Митић, дипл. маш. инж. Комисија за
Рачунарска интелигенција
Рачунарска интелигенција Генетско програмирање Александар Картељ kartelj@matf.bg.ac.rs Ови слајдови представљају прилагођење слајдова: A.E. Eiben, J.E. Smith, Introduction to Evolutionary computing: Genetic
ИНТЕЛИГЕНТНИ ТЕХНОЛОШКИ СИСТЕМИ АТ-6 Когнитивна роботика: Оцењивање положаја мобилног робота и карактеристичних објеката у технолошком окружењу Оцењив
ИНТЕЛИГЕНТНИ ТЕХНОЛОШКИ СИСТЕМИ АТ-6 Когнитивна роботика: Оцењивање положаја мобилног робота и карактеристичних објеката у технолошком окружењу Оцењивање положаја робота и карактеристичних објеката у окружењу
Microsoft Word - Akreditacija 2013
07.10.2017 ОСНОВНЕ АКАДЕМСКЕ СТУДИЈЕ (АКРЕДИТАЦИЈА 2013) Модул: СВИ Година I Од II до IV Семестар I II IV-VIII Лабораторијски практикум - Увод у рачунарство Алгоритми и програмирање Математика 1 Математика
Microsoft Word - Akreditacija 2013
ОСНОВНЕ АКАДЕМСКЕ СТУДИЈЕ (АКРЕДИТАЦИЈА 2013) Модул: СВИ Година I Од II до IV Семестар I II IV-VII 18.09.2017 Алгоритми и програмирање 19.09.2017 Математика 1 20.09.2017 Математика 2 21.09.2017 Увод у
Microsoft Word - Akreditacija 2013
ИСПИТНИ РОК: ОКТОБАР 2 2017/2018 ОСНОВНЕ АКАДЕМСКЕ СТУДИЈЕ (АКРЕДИТАЦИЈА 2013) Модул: СВИ Година I Од II до IV Семестар I II IV-VIII Лабораторијски практикум - Алгоритми и програмирање Лабораторијски практикум
Microsoft Word - Akreditacija 2013
ИСПИТНИ РОК: СЕПТЕМБАР 2018/2019 ОСНОВНЕ АКАДЕМСКЕ СТУДИЈЕ (АКРЕДИТАЦИЈА 2013) Модул: СВИ Година I Од II до IV Семестар I II IV-VII Лабораторијски практикум Физика Лабораторијски практикум - Увод у рачунарство
Microsoft Word - Akreditacija 2008
ОСНОВНЕ АКАДЕМСКЕ СТУДИЈЕ (АКРЕДИТАЦИЈА 2008) Модул: СВИ Година I Од II до IV Семестар I II IV-VII 18.09.2017 Алгоритми и 19.09.2017 Математика I 20.09.2017 Математика II 21.09.2017 Увод у рачунарство
Универзитет у Београду Факултет организационих наука Коначан распоред испита за предмете Мастер академских студија Испитни рок: ОКТОБАР Предмет
Универзитет у Београду Факултет организационих наука Коначан распоред испита за предмете Мастер академских студија Испитни рок: ОКТОБАР 2016. Предмет Датум Време Сала Напомена Big data у електронском пословању
Универзитет у Београду Факултет организационих наука Распоред испита за предмете мастер академских студија Испитни рок: Јун Предмет Датум Време
Универзитет у Београду Факултет организационих наука Распоред испита за предмете мастер академских студија Испитни рок: Јун 2018. Предмет Датум Време Сала Напомена Big data у електронском пословању 4.
ka prof-miomir-mijic-etf-beograd
NOVA UREDBA O AKUSTIČKOM KOMFORU U ZGRADAMA (u pripremi) Istorijat normativa koji regulišu akustički komfor u zgradama Za sada su samo Slovenija i Crna gora napravile otklon od starog JUS-a U Srbiji je
Microsoft Word - Raspored ispita Jun.doc
FAKULTET ORGANIZACIONIH NAUKA KONAČAN RASPORED ISPITA ZA JUNSKI ISPITNI ROK 8. GODINE Predmet Od. P/U Datum Sale Napomena Akcionarstvo i berzansko poslovanje ME U 21/06/8---- Arhitektura računara i oper.
Programski jezik QBasic Kriteriji ocjenjivanja programiranje(b) - QBasic razred 42
Kriteriji ocjenjivanja programiranje(b) - QBasic 5. - 8. razred 42 5. RAZRED - prisjeća sa pojmova: algoritam, algoritma slijeda i grananja, dijagrama toka, te ulaznih i izlaznih jedinica, ne shvaća njihovo
Programski jezik QBasic Kriteriji ocjenjivanja programiranje(b) - QBasic razred 42
Kriteriji ocjenjivanja programiranje(b) - QBasic 5. - 8. razred 42 5. RAZRED - prisjeća sa pojmova: algoritam, algoritma slijeda i grananja, dijagrama toka, te ulaznih i izlaznih jedinica, ne shvaća njihovo
ASAS AS ASAS
Распоред испита за предмете Мастер академских студија Испитни рок: Maj 2019. Шифра Предмет Студијски програм Датум Време Сала Број пријављених / Напомена м14014 Big data у електронском пословању сви 13.
ASAS AS ASAS
Распоред испита за предмете Мастер академских студија Испитни рок: Април 2019. Шифра Предмет Студијски програм Датум Време Сала Број пријављених / Напомена м14014 Big data у електронском пословању сви
I колоквијум из Основа рачунарске технике I СИ- 2017/2018 ( ) Р е ш е њ е Задатак 1 Тачка А Потребно је прво пронаћи вредности функција f(x
I колоквијум из Основа рачунарске технике I СИ- / (...) Р е ш е њ е Задатак Тачка А Потребно је прво пронаћи вредности функција f(x, x, x ) и g(x, x, x ) на свим векторима. f(x, x, x ) = x x + x x + x
Satnica.xlsx
САТНИЦА ПОЛАГАЊА ИСПИТА У ИСПИТНОМ РОКУ СЕПТЕМБАР 2018/2019 ПОНЕДЕЉАК 19.08.2019 Објектно оријентисано програмирање 41 2Б-ТЕЛ Методе преноса у телекомуникационим системима 1 2Б-ТЕЛ Моделовање и симулација
ASAS AS ASAS
Распоред наставе за предмете Мастер академских студија 2017/18. M14014 Big data у електронском пословању 19.фебруар 2018. 21.фебруар 2018. 23.фебруар 2018. М14998 Cloud инфраструктуре и сервиси Менторски
Структура модула студијског програма МЕНАЏМЕТ И ОРГАНИЗАЦИЈА
Студијски програм ИНФОРМАЦИОНИ СИСТЕМИ И ТЕХНОЛОГИЈЕ Структура студијског програма Студијски програм Информациони системи и технологије на дипломским академским студијама осмишљен је као природни наставак
Pojačavači
Programiranje u fizici Prirodno-matematički fakultet u Nišu Departman za fiziku dr Dejan S. Aleksić Programiranje u fizici dr Dejan S. Aleksić, vanredni profesor Kabinet 307 (treći sprat), lab. za elektroniku
ASAS AS ASAS
Распоред испита за предмете мастер академских студија Испитни рок: СЕПТЕМБАР 2019. Пријава испита за септембарски испитни рок биће могућа у периоду од 19. до 21. августа 2019. године, путем студентског
Microsoft Word - Smerovi 1996
ИСПИТНИ РОК: СЕПТЕМБАР 2018/2019 СТАРИ НАСТАВНИ ПЛАН И ПРОГРАМ (1996) Смер: СВИ Филозофија и социологија 20.08.2019 Теорија друштвеног развоја 20.08.2019 Програмирање 20.08.2019 Математика I 21.08.2019
Microsoft Word - SIORT1_2019_K1_resenje.docx
I колоквијум из Основа рачунарске технике I СИ- 208/209 (24.03.209.) Р е ш е њ е Задатак f(x, x 2, x 3 ) = (x + x x ) x (x x 2 + x ) + x x 2 x 3 f(x, x 2, x 3 ) = (x + x x ) (x x + (x )) 2 + x + x x 2
Satnica.xlsx
ПОНЕДЕЉАК 17.06.2019 2Б-УПС Електрична кола 24 Б-УПС Електрична кола 1 УПС Теорија кола 2 2Б-ЕЕН Електрична кола у електроенергетици 8 Б-ЕЕН Електрична кола 1 ЕЕН Теорија електричних кола 1 А1 2Б-ЕЛК Дигитална
Microsoft PowerPoint - Predavanje3.ppt
Фрактална геометрија и фрактали у архитектури функционални системи Улаз Низ правила (функција F) Излаз Фрактална геометрија и фрактали у архитектури функционални системи Функционални систем: Улаз Низ правила
Satnica.xlsx
ПОНЕДЕЉАК 24.06.2019 64 46 -РИИ -РИИ -РИИ 50 35 -РИИ 17 РИИ 2 -РИИ Сервисно-оријентисане архитектуре 6 Б-ТЕЛ Оптимални линеарни системи 1 -ЕКМ Нови материјали и технологије 1 -ЕЛК РФ електроника 6 Б-ЕМТ
FAKULTET ORGANIZACIONIH NAUKA
FAKULTET ORGANIZACIONIH NAUKA PRELIMINARNI RASPORED ISPITA ZA SEPTEMBARSKI ISPITNI ROK 2008. GODINE Predmet Od. P/U Datum Sal. Napomena Akcionarstvo i berzansko poslovanje ME U 29.08.2008----09:00 Institut
ASAS AS ASAS
Распоред испита за предмете мастер академских студија Испитни рок: ЈУН 2019. Шифра Предмет Студијски програм Датум Време Сала Број пријављених / Напомена м14014 Big data у електронском пословању сви 3.
UNIVERZITET UKSHIN HOTI PRIZREN FAKULTET RAČUNARSKIH NAUKA PROGRAM: TIT - BOS NASTAVNI PLAN-PROGRAM SYLLABUS Nivo studija Bachelor Program TIT-Bos Aka
UNIVERZITET UKSHIN HOTI PRIZREN FAKULTET RAČUNARSKIH NAUKA PROGRAM: TIT - BOS NASTAVNI PLAN-PROGRAM SYLLABUS Nivo studija Bachelor Program TIT-Bos Akademska godina 018/019 PREDMET Godina studija I Status
P11.3 Analiza zivotnog veka, Graf smetnji
Поједностављени поглед на задњи део компајлера Међурепрезентација (Међујезик IR) Избор инструкција Додела ресурса Распоређивање инструкција Инструкције циљне архитектуре 1 Поједностављени поглед на задњи
Microsoft PowerPoint - AT 3-2 .ppt
Алгоритам учења перцептрона Корак : Иницијализација. Нека је t=0 и нека вектор иницијалних тежинскиходноса w(t) R a дефинише иницијалнопресликавање од скривених неурона до излазног неурона. Корак : Изабрати
Microsoft Word - Multidisciplinarne obuke _ Satnica
MAŠINSKI FAKULTET BANJA LUKA Multidisciplinarna obuka za nastavnike srednjih škola PRVA GRUPA Mehatronika Pneumatsko upravljanje Rеd. Nаziv Prеdаvаnjе Vјеžbе Čаsоvа Vriјеmе Čаsоvа Vriјеmе dаn, 20.04.2016.,
ASAS AS ASAS
РАСПОРЕД НАСТАВЕ за предмете мастер академских студија 2016/17. година Предмет Модул Датум Време Сала Администрација базе података 8-10. фебруар 2017. 13-17. фебруар 2017. Алати и методе софтверског инжењерства
C E N O V N I K OSNOVNE AKADEMSKE STUDIJE: PRVA GODINA Ekonomija Engleski jezik 1 - Organize Your English Francuski jezik 1 i 2 Lexique Des Affairs pr
C E N O V N I K OSNOVNE AKADEMSKE STUDIJE: PRVA GODINA Ekonomija Engleski jezik 1 - Organize Your English Francuski jezik 1 i 2 Lexique Des Affairs praktikum Matematika 1 Matematika 2 Matematika 2 zbirka
Optimizacija
Optimizacija 1 / 43 2 / 43 Uvod u optimizaciju Zadana funkcija Uvod u optimizaciju f : R n R Cilj: Naći x, točku minimuma funkcije f : - Problem je jednostavno opisati x = arg min x R n f (x). - Rješavanje
Microsoft Word - Master 2013
ИСПИТНИ РОК: ЈУН 2018/2019 МАСТЕР АКАДЕМСКЕ СТУДИЈЕ (АКРЕДИТАЦИЈА 2013) Студијски програм: ЕЛЕКТРОЕНЕРГЕТИКА Семестар 17.06.2019 Статички електрицитет у технолошким процесима Електронска кола за управљање
Microsoft Word - Master 2013
ИСПИТНИ РОК: СЕПТЕМБАР 2018/2019 МАСТЕР АКАДЕМСКЕ СТУДИЈЕ (АКРЕДИТАЦИЈА 2013) Студијски програм: ЕЛЕКТРОЕНЕРГЕТИКА Семестар 19.08.2019 Електромагнетна компатибилност у електроенергетици Управљање дистрибутивном
Slide 1
Катедра за управљање системима ТЕОРИЈА СИСТЕМА Предавањe 2: Основни појмови - систем, модел система, улаз и излаз UNIVERSITY OF BELGRADE FACULTY OF ORGANIZATIONAL SCIENCES План предавања 2018/2019. 1.
Newtonova metoda za rješavanje nelinearne jednadžbe f(x)=0
za rješavanje nelinearne jednadžbe f (x) = 0 Ime Prezime 1, Ime Prezime 2 Odjel za matematiku Sveučilište u Osijeku Seminarski rad iz Matematičkog praktikuma Ime Prezime 1, Ime Prezime 2 za rješavanje
06 Poverljivost simetricnih algoritama1
ЗАШТИТА ПОДАТАКА Симетрични алгоритми заштите поверљивост симетричних алгоритама Преглед биће објашњено: коришћење симетричних алгоритама заштите како би се заштитила поверљивост потреба за добрим системом
УНИВЕРЗИТЕТ У НОВОМ САДУ ОБРАЗАЦ 6
УНИВЕРЗИТЕТ У НОВОМ САДУ ОБРАЗАЦ 6. ФАКУЛТЕТ ТЕХНИЧКИХ НАУКА ИЗВЕШТАЈ О ОЦЕНИ ДОКТОРСКЕ ДИСЕРТАЦИЈЕ -oбавезна садржина- свака рубрика мора бити попуњена I ПОДАЦИ О КОМИСИЈИ 1. Датум и орган који је именовао
Tehničko rešenje: Industrijski prototip dvostrukog trofaznog analizatora snage sa funkcijama merenja kvaliteta električne energije tipska oznaka MM2 R
Tehničko rešenje: Industrijski prototip dvostrukog trofaznog analizatora snage sa funkcijama merenja kvaliteta električne energije tipska oznaka MM2 Rukovodilac projekta: Vladimir Vujičić Odgovorno lice:
P9.1 Dodela resursa, Bojenje grafa
Фаза доделе ресурса Ова фаза се у литератури назива и фазом доделе регистара, при чему се под регистрима подразумева скуп ресурса истог типа. Додела регистара променљивама из графа сметњи се обавља тзв.
KATALOG ZNANJA IZ INFORMATIKE
KATALOG ZNANJA IZ INFORMATIKE Nacionalni savjet za obrazovanje je na 27. sjednici održanoj 17. marta 2014. godine utvrdio izmjene predmetnoga programa INFORMATIKA za I razred gimnazije. Na zahtijev Pedagoško-psihološke
FAKULTET ORGANIZACIONIH NAUKA
FAKULTET ORGANIZACIONIH NAUKA KONAČAN RASPORED ISPITA ZA OKTOBARSKI ISPITNI ROK (po datumu) Predmet Odsek P/U Datum Sala Upravljanje kvalitetom dokumentacije UK P 22/09/2007----09:00 RC Informacioni sistemi
Универзитет у Нишу Природно-математички факултет Департман за рачунарске науке Напади непријатељским примерима на алгоритме појачаног машинског учења
Универзитет у Нишу Природно-математички факултет Департман за рачунарске науке Напади непријатељским примерима на алгоритме појачаног машинског учења Мастер рад Аутор: Предраг Живадиновић Ментор: Проф.
Slide 1
Statistička analiza u hidrologiji Uvod Statistička analiza se primenjuje na podatke osmatranja hidroloških veličina (najčešće: protoka i kiša) Cilj: opisivanje veze između veličine i verovatnoće njene
Postojanost boja
Korištenje distribucije osvjetljenja za ostvaranje brzih i točnih metode za postojanost boja Nikola Banić 26. rujna 2014. Sadržaj Postojanost boja Ubrzavanje lokalnog podešavanja boja Distribucija najčešćih
FAKULTET ORGANIZACIONIH NAUKA
FAKULTET ORGANIZACIONIH NAUKA PRELIMINARNI RASPORED ISPITA ZA JANUARSKI ISPITNI ROK 2008. GODINE Predmet Od. P/U Datum Sala Napomena Akcionarstvo i berzansko poslovanje ME U 03.02.2008----10:00 201 Arhitektura
Development Case
Tehnička dokumentacija Verzija Studentski tim: Nastavnik: < izv. prof. dr. sc. Nikola Mišković> FER 2 -
untitled
Analiza kapaciteta na ulivno- izlivnim rampama autoputa primenom HCM-a 2000 i HBS-a 2001 Prof. dr Vladan Tubić, dis Marijo Vidas, dis Rezultat rada na projektu Ministarstva za nauku i Rezultat rada na
DR DRAGOŚ CVETKOVIC DR SLOBODAN SIMIC DISKRETNA MATEMATIKA MATEMATIKA ZA KOMPJUTERSKE NAUKĘ DRUGO ISPRAYLJENO I PROSIRENO IZDANJE HMUJ
DR DRAGOŚ CVETKOVIC DR SLOBODAN SIMIC DISKRETNA MATEMATIKA MATEMATIKA ZA KOMPJUTERSKE NAUKĘ DRUGO ISPRAYLJENO I PROSIRENO IZDANJE HMUJ Sadrżaj Predgovor Iz predgovora prvoni izdanju knjige "Diskretne mateiuatićke
Рјешавање проблема потрошње у чиповима Александар Пајкановић Факултет техничких наука Универзитет у Новом Саду Фабрика чипова у Србији: има ли интерес
Рјешавање проблема потрошње у чиповима Александар Пајкановић Факултет техничких наука Универзитет у Новом Саду Фабрика чипова у Србији: има ли интереса и кадрова? Петница, 28.-29. јун 2013. Садржај Увод
Objektno orjentirano programiranje 2P
Sveučilište u Rijeci ODJEL ZA INFORMATIKU Akademska 2016./2017. godina OBJEKTNO ORIJENTIRANO PROGRAMIRANJE Studij: Preddiplomski studij informatike (dvopredmetni) Godina i semestar: 2. godina, 3. semestar
UNIVERZITET U BEOGRADU MATEMATIČKI FAKULTET MASTER RAD Iskazne neuronske mreže za aproksimaciju kombinatornih kola na osnovu uzorka ulaza i izlaza Stu
UNIVERZITET U BEOGRADU MATEMATIČKI FAKULTET MASTER RAD Iskazne neuronske mreže za aproksimaciju kombinatornih kola na osnovu uzorka ulaza i izlaza Student: Marjana ŠOLAJIĆ Mentor: dr Mladen NIKOLIĆ Članovi
Softversko inženjerstvo
Softversko inženjerstvo OAS SOFTVERSKO INŽENJERSTBO Trajanje studija: 4 godine Broj ESPB: 240 ESPB Izborni moduli: Modul SI: Softversko inženjerstvo Modul RI: Razvoj igara Modul SI: Softversko inženjerstvo
Projektovanje informacionih sistema i baze podataka
Realni sistem i informacioni sistem Ulaz Realni sistem Izlaz Unos Baza podataka Izveštaji Realni sistem i informacioni sistem Sistem se definiše kao skup objekata (entiteta) i njihovih međusobnih veza
Microsoft Word - SL LIST SZ
Број: 9. 26.04.2013. СТРАНА 235. OLDAL 2013.04.26. 9. szám На основу члана 19. став 2. Закона о безбедности саобраћаја на путевима ( Сл. гласник РС, бр. 41/2009, 53/2010 и 101/11), члана 64. Пословника
PowerPoint Presentation
Data mining kocepti i tehnike Udžbenik: Data Mining: Concepts and Techniques, Jiawei Han, Micheline Kamber Introduction to Data Mining, Pang-Ning Tan, Michael Steinbach, Vipin Kumar Ocjenjivanje: kolokvijumi
PowerPoint Presentation
Metode i tehnike utvrđivanja korišćenja proizvodnih kapaciteta Metode i tehnike utvrđivanja korišćenja proizvodnih kapaciteta Sa stanovišta pristupa problemu korišćenja kapaciteta, razlikuju se metode
DUBINSKA ANALIZA PODATAKA
DUBINSKA ANALIZA PODATAKA () ASOCIJACIJSKA PRAVILA (ENGL. ASSOCIATION RULE) Studeni 2018. Mario Somek SADRŽAJ Asocijacijska pravila? Oblici učenja pravila Podaci za analizu Algoritam Primjer Izvođenje
PowerPoint-Präsentation
3 Predavanje 3 Mart 2017. FAKULTET ZAŠTITE NA RADU U NIŠU Predavanje 3. 1 Prof. dr Milan Đ. Blagojević 3 Faze razvoja požara, razvoj u zatvorenom prostoru Mart 2017. FAKULTET ZAŠTITE NA RADU U NIŠU Predavanje
Projektovanje tehnoloških procesa
ФАКУЛТЕТ ТЕХНИЧКИХ НАУКА Департман за производно машинство Пројектовање технолошких процеса Тема: Др Мијодраг Милошевић Технолошки процеси израде производа Део производног процеса у коме се врши измена
ASAS AS ASAS
Распоред наставе за предмете Мастер академских студија 2017/18. M14014 Big data у електронском пословању 19.фебруар 2018. 21.фебруар 2018. 23.фебруар 2018. М14998 Cloud инфраструктуре и сервиси М09293
Osnovni pojmovi teorije verovatnoce
Osnovni pojmovi teorije verovatnoće Profesor Milan Merkle emerkle@etf.rs milanmerkle.etf.rs Verovatnoća i Statistika-proleće 2019 Milan Merkle Osnovni pojmovi ETF Beograd 1 / 13 Verovatnoća i statistika:
Microsoft PowerPoint - Topic02 - Serbian.ppt
Tema 2 Kriterijumi kvaliteta za softverske proizvode DAAD Project Joint Course on Software Engineering Humboldt University Berlin, University of Novi Sad, University of Plovdiv, University of Skopje, University
SINTEZA 2019 INTERNATIONAL SCIENTIFIC CONFERENCE ON INFORMATION TECHNOLOGY AND DATA RELATED RESEARCH ADVANCED COMPUTING AND CLOUD COMPUTING INTELIGENT
ADVANCED COMPUTING AND CLOUD COMPUTING INTELIGENTNI AGENTI ZA BERZU Danilo Jovanović, Katarina Krivak, Marko Milić*, Toma Joksimović, Miodrag Živković Univerzitet Singidunum, Beograd, Srbija Rezime: Poslovanje
ПРАВИЛНИК О ВРЕДНОВАЊУ КВАЛИТЕТА РАДА УСТАНОВЕ ( Службени гласник РС, бр. 72/09 и 52/11)
ПРАВИЛНИК О ВРЕДНОВАЊУ КВАЛИТЕТА РАДА УСТАНОВЕ ( Службени гласник РС, бр. 72/09 и 52/11) Члан 2 Вредновање квалитета рада установе представља процену квалитета рада установе Члан 3 Вредновање квалитета
Microsoft PowerPoint - MODELOVANJE-predavanje 9.ppt [Compatibility Mode]
MODELONJE I SIMULIJ PROES 9. Rešavanje dinamičkih modela; osnovni pojmovi upravljanja procesima http://elektron.tmf.bg.ac.rs/mod Dr Nikola Nikačević METODE Z REŠNJE LINERNIH DINMIČKIH MODEL 1. remenski
Klasifikacija slika kucnih brojeva dubokim konvolucijskim modelima
Klasifikacija slika kućnih brojeva dubokim konvolucijskim modelima Ivan Šego 4. srpnja 2018. Sadržaj 1 Uvod 2 Konvolucijske neuronske mreže Konvolucijski sloj Sloj sažimanja Potpuno povezani sloj 3 Ispitni
Microsoft PowerPoint - 03-Slozenost [Compatibility Mode]
Сложеност алгоритама (Програмирање 2, глава 3, глава 4-4.3) Проблем: класа задатака истог типа Велики број различитих (коректних) алгоритама Величина (димензија) проблема нпр. количина података које треба
Microsoft PowerPoint - Topic02 - Serbian.ppt
Tema 2 Kriterijumi kvaliteta za softverske proizvode DAAD Project Joint Course on Software Engineering Humboldt University Berlin, University of Novi Sad, University of Plovdiv, University of Skopje, University
Microsoft Word - Opis Programa.docx
ПРОГРАМ ОБРАЗОВАЊА УЧИТЕЉА ЗА ИЗВОЂЕЊЕ НАСТАВЕ ИЗ ИНФОРМАТИКЕ И РАЧУНАРСТВА У ОСНОВНОЈ ШКОЛИ Ужице, 2018. Програм образовања учитеља за извођење наставе из Информатике и рачунарства у основној школи (у
Microsoft PowerPoint - NAD IR OS pravila 2017.pptx
Нумеричка анализа и дискретна математика 2017/2018 ИР, ОС ванр. проф. др Бранко Малешевић, доц. др Ивана Јововић ванр. проф. др Синиша Јешић, доц. др Наташа Ћировић Настава Курс Нумеричка анализа и дискретна
TEORIJA SIGNALA I INFORMACIJA
Multiple Input/Multiple Output sistemi MIMO sistemi Ulazi (pobude) Izlazi (odzivi) u 1 u 2 y 1 y 2 u k y r Obrada=Matematički model Načini realizacije: fizički sistemi (hardware) i algoritmi (software)
УНИВЕРЗИТЕТ У ИСТОЧНОМ САРАЈЕВУ МАШИНСКИ ФАКУЛТЕТ ИСТОЧНО САРАЈЕВО ИСПИТНИ ТЕРМИНИ ЗА ШКОЛСКУ 2018./2019. НАПОМЕНА: Испите обавезно пријавити! ПРЕДМЕТ
УНИВЕРЗИТЕТ У ИСТОЧНОМ САРАЈЕВУ МАШИНСКИ ФАКУЛТЕТ ИСТОЧНО САРАЈЕВО ИСПИТНИ ЗА ШКОЛСКУ 2018./2019. I ГОДИНА II 1 МАТЕМАТИКА 1 07.02. 21.02. 18.04. 400 20.06. 04.07. 0.09. 19.09. 400 2 МЕХАНИКА 1 08.02.
LAB PRAKTIKUM OR1 _ETR_
UNIVERZITET CRNE GORE ELEKTROTEHNIČKI FAKULTET STUDIJSKI PROGRAM: ELEKTRONIKA, TELEKOMUNIKACIJE I RAČUNARI PREDMET: OSNOVE RAČUNARSTVA 1 FOND ČASOVA: 2+1+1 LABORATORIJSKA VJEŽBA BROJ 1 NAZIV: REALIZACIJA
-
СЛУЖБЕНИ ЛИСТ ГРАДА НИША ГОДИНА XXVII - БРОЈ 5 НИШ, 29. јануар 2019. Цена овог броја 40 динара Годишња претплата 5000 динара ГРАД НИШ ГРАДСКО ВЕЋЕ 1. На основу члана 19 став 2 Закона о безбедности саобраћаја
План јавних набавки за годину Општа болница Петровац на Млави Обухвата: Датум усвајања: План јавних набавки Општа болнице Петровац на М
План јавних набавки за. годину Општа болница Петровац на Млави Обухвата: Датум усвајања: План јавних набавки Општа.. болнице Петровац на Млави за.годину Техничка исправка број: / 0.4. Измена број: / 4..
Microsoft Word - Plan raspodjele radio-frekvencija iz opsega MHz_predlog.docx
CRNA GORA AGENCIJA ZA ELEKTRONSKE KOMUNIKACIJE I POŠTANSKU DJELATNOST Na osnovu člana 8, 9 i 19, a u vezi člana 64 Zakona o elektronskim komunikacijama (''Sl. list Crne Gore'', br. 50/08, 53/09-14 čl.
УНИВЕРЗИТЕТ У НОВОМ САДУ ОБРАЗАЦ 6
УНИВЕРЗИТЕТ У НОВОМ САДУ ОБРАЗАЦ 6. ФАКУЛТЕТ ТЕХНИЧКИХ НАУКА ИЗВЕШТАЈ О ОЦЕНИ ДОКТОРСКЕ ДИСЕРТАЦИЈЕ Мр БОШКА БОЖИЛОВИЋА I ПОДАЦИ О КОМИСИЈИ 1. Датум и орган који је именовао комисију Решење Декана Факултета
Microsoft Word - Tabela 5.2 Specifikacija predmeta.doc
Универзитет у Нишу Машински факултет у Нишу TAБЕЛА 5.2 СПЕЦИФИКАЦИЈА ПРЕДМЕТА Ниш, октобар 2008. Табела М.5.2-М 1 Спецификација предмета на модулу М 1 : Енергетика и процесна техника 7. М.2.1-ОМ.1-ЕН Простирање
Microsoft Word - 6. RAZRED INFORMATIKA.doc
Kriteriji ocjenjivanja i vrednovanja INFORMATIKA - 6. razred Nastavne cjeline: 1. Život na mreži 2. Pletemo mreže, prenosimo, štitimo, pohranjujemo i organiziramo podatke 3. Računalno razmišljanje i programiranje
Microsoft Word - MMitic_Izvestaj_05_2014.doc
УНИВЕРЗИТЕТ У БЕОГРАДУ МАШИНСКИ ФАКУЛТЕТ НАСТАВНО-НАУЧНОМ ВЕЋУ ОВДЕ Предмет: Извештај Комисије о испуњености услова кандидата др Maрка М. Митића за избор у звање НАУЧНИ САРАДНИК На основу одлуке Изборног