Upravljanje znanjem doživljava promjene sukladno potrebama tržišta i interesu studenata.

Kroz ovaj kolegij upoznat ćete se s problemima znanja, predstavljanja znanja i njegove uporabe u sustavima temeljenim na umjetnoj inteligenciji. Na nizu primjera moći ćete uočiti prednosti i mane pojedinih statističkih metoda koje se uobičajeno koriste u području umjetne inteligencije. Iako se većina metoda koristi u podatkovnoj znanosti u ovom je kolegiju cilj kritički se osvrnuti na pristup u kojem se statističke metode koriste neselektivno te time ne doprinose znanju. Osim toga kroz kolegij biti će prikazane najčešće korištene arhitekture neuronskih mreža kako bi se na primjerima pokazale prednosti i mane ovog pristupa rješavanju problema. Kako se danas sve teže dolazi do velike količine podataka potrebnih za primjenu strojnog učenja uvodi se i pojam plitkog učenja koje se za razliku od dubokog učenja koristi malim skupom ulaznih podataka za uvježbavanje neuronske mreže. Do primjenjivih rezultata može se doći isključivo uporabom već uvježbanih dubokih neuronskih mreža i njihove prilagodbe novoj instanci problema postupkom koji je poznat pod nazivom "transfer learning".

Kako bi se smanjio prag učenja za vrednovanje pojedinih modela učenja koristi se vizualno programiranje i vizualizacija podataka. Nakon što ste se upoznali sa temeljnim metodama upravljanja znanjem temeljenom na podacima, odabirete jedno područje za koje ćete razviti konkretnu programsku podršku. Iako alat nije propisan, ilustracijski primjeri izradit će se pomoću biblioteke tensorflow.js koja omogućuje primjenu tehnika umjetne inteligencije na mobilne i web aplikacije, što je danas iznimno zanimljivo područje primjene.

Cilj kolegija je upoznavanje sa problemom znanja i stvaranja bijele ili sive kutije od klasične crne kutije koju predstavlja uvježbana duboka neuronska mreža. Kako ste upoznati s problemima učenja i poučavanja, očekuje se kako ćete teorije učenja koje se primjenjuju kod ljudi primijeniti kod sustava temeljenih na umjetnoj inteligenciji.

Za one koji žele doznati više o ovom području pri Odjelu za informatiku nude se specjalistički kolegiji poput Rudarenja podataka, Dubinskih neuronskih mreža i slično koji će vam pomoći u produbljivanju pojedinih koncepata koje imate prilike upoznati na ovom kolegiju.

Korištenjem pristupa od konkretnog prema apstraktnom učenici prolaze kroz sve faze osmišljavanja i izrade web aplikacije koja može prepoznati predmet koji se nalazi na slici. Tečaj je namijenjen učenicima starijih razreda osnovne škole. Odabrane tehnologije omogućavaju izradu internetskih aplikacija za stolna računala, tablete i mobitele. Uz dostupne upute i pomoć nastavnika će se u sklopu predmeta osmisliti i izraditi jednostavna aplikacija koristeći programske jezike i alate prikladne uzrastu učenika.

Napredni tečaj Javascripta

Algoritmi u primjeni (C#)

Osnove objektno orijentiranog programiranja u C#-u.