Author: nccmne

Posted on

Kratki kurs: Izgradnja neuronske mreže, priprema koda za Multi-GPU HPC i provođenje obuke velikih razmjera

Univerzitet Crne Gore, član NCC Montenegro tima, organizuje kratku obuku namijenjenu studentima, mladim istraživačima i profesionalcima iz industrije, koji žele da nauče o korištenju HPC-a u svom radu, kroz praktičan primjer. Nakon što nauče kako kreirati jednostavnu neuronsku mrežu, učesnici obuke će biti obučeni da pripreme lokalno okruženje za razvoj, a zatim da kopiraju i pokrenu kod na HPC-u, čime će se omogućiti obuka modela na multi-GPU HPC-u.

  • Datum: 12.12.2025. u 12:00h
  • Mjesto održavanja: Prirodno-matematički fakultet, Univerzitet Crne Gore, Soba 210
  • Naziv: Obuka o izgradnji neuronske mreže, pripremi koda za Multi-GPU HPC i provođenju obuke velikih razmjera
  • Namijenjeno za: studente, istraživače i profesionalce sa osnovnim znanjem Pythona
Kratki kurs o neuronskim mrežama korištenjem Multi-GPU HPC-a i provođenju obuke velikih razmjera

Pregled sadržaja obuke

  • Kreiranje jednostavne neuronske mreže za detekciju defekata u proizvodnji (1h)
  • Objašnjenje alata za kontejnerizaciju Docker i priprema lokalnog okruženja za razvoj (2h)
  • Kopiranje lokalnog okruženja u HPC (0,3h)
  • Provođenje obuke modela na multi-GPU HPC-u (1,2h)
Posted on

Moderna konverzacijska AI – od klasičnog NLU-a do LLM-a

Dana 21.11.2025. godine, NCC Montenegro je uspješno održao kratki kurs kao dio inicijativa EUROCC 2 i EUROCC4SEE. Program je okupio odličnu grupu studenata, istraživača i stručnjaka iz industrije koji su tokom obuke pokazali izuzetnu radoznalost, timski rad i praktične vještine rješavanja problema.

Kurs su vodili g. Dejan Babić i g. Ivan Jovović.

Kurs je istražio evoluciju konverzacijske umjetne inteligencije, počevši od tradicionalnih pristupa razumijevanja prirodnog jezika (NLU) zasnovanih na namjerama i entitetima, te napredujući prema modernim arhitekturama modela velikih jezika (LLM) i sistemima generiranja proširenog pretraživanja (RAG). Učesnici su upoznati sa brzim dizajnom, pozivanjem alata i funkcija, te bitnim aspektima sigurnosti, privatnosti i zaštitnih ograda u sistemima umjetne inteligencije. Nastavni plan i program su također obuhvatili ugrađivanja, vektorske indekse, hibridne tehnike pretraživanja koje kombiniraju BM25 s gustim vektorima i strategije ponovnog rangiranja za poboljšanje kvalitete pretraživanja.

Značajna komponenta kursa bila je praktična laboratorijska sesija gdje su učesnici izgradili malog chatbota zasnovanog na RAG-u koristeći dokumente specifične za domen. Istaknuta je i HPC perspektiva, uključujući generisanje grupnog ugrađivanja, razmatranja indeksiranja velikih razmjera i metode za testiranje opterećenja AI cjevovoda. Kurs je završen demonstracijama uživo korištenjem Azure AI Foundryja, prikazujući mogućnosti Prompt Flow-a, Evaluate-a i AI Search-a.

Na događaju je bilo oko 20 učesnika.

Učesnici su brzo usvojili teorijske koncepte, odgovarali na promišljena i izazovna pitanja i radili samostalno tokom praktičnih sesija. Do kraja kursa, isporučili su funkcionalne prototipove sistema sa utemeljenim odgovorima i jasnim izvještajima o evaluaciji – demonstrirajući i snažno tehničko razumijevanje i primijenjenu kompetenciju.

Posted on

Kratki kurs: Modernikonverzacijski AI — od klasičnog NLU-a do LLM-ova

Ovaj kratki kurs uvodi osnove dizajna konverzacionih sistema (intent-i, entiteti, slot filling, dijalog) i savremene LLM pristupe (prompt inženjering, function calling, RAG). Polaznici praktično kreiraju četbot uz indeksiranje sopstvenih dokumenata, evaluaciju kvaliteta odgovora, zaštitu sadržaja i brzi deploy na web/. Uključena je i HPC perspektiva za masovno ugrađivanje embedinga i offline evaluacije/„load testing “.

  • Datum: 21.11.2025 u 11:45
  • Lokacija: PS, UDG
  • Registracija je obavezna: https://forms.gle/SRW6GYiRAbi8pFBe8
  • Namijenjeno za: studente, istraživače i profesionalce sa osnovnim znanjem Pythona i web/API rada.
Kratki kurs na temu NLP i LLM

Pregled sadržaja:

Sesija 1 (90 min) – teorijski okvir

  • Od klasičnog NLU (intent, entiteti, slotovi) do LLM agenta
  • Dizajn dijaloga: state machine vs. tools/functions
  • RAG osnove: indeksiranje, chunking, hibridno pretraživanje, citiranje izvora
  • Evaluacija i sigurnost: relevance/groundedness, moderacija, PII
  • HPC pogled: kada i zašto batch embedding i evaluacije

Sesija 2 (90 min) – hands-on lab

  • Postavljanje projekta i starter RAG pipeline
  • Uvoz/indeks dokumenata, prompt + function calling
  • Brza evaluacija i guardrails
  • Deploy web chata + osnovna telemetrija

Ishodi učenja

  • Razlikovati i uporediti intent-based i LLM-based pristup.
  • Modelovati dijalog i dizajnirati RAG tok sa citiranjem izvora.
  • Isporučiti četbot sa evaluacijom i zaštitama.
  • Primijeniti HPC tehnike za skaliranje embedinga i offline testiranje.
Posted on

NCC Montenegro uspješno završio dva kratka kursa iz vještačke inteligencije

Tokom protekle dvije sedmice održali smo dva ciljana kursa, provedena u okviru projekata EUROCC 2 i EUROCC4SEE, sa izvanrednom grupom učesnika – studenata, istraživača i profesionalaca koji su se istakli radoznalošću, timskim radom i rezultatima.

Dejan Babić drži prezentaciju o CV i CNN uz podršku HPC-a

Kompjuterska vizija i CNN uz HPC – Kratki kurs

  • Od sirovih piksela do karakteristika i robusnih vizuelnih reprezentacija
  • Praktična laboratorija: izgradnja i obuka klasifikatora slika
  • Provođenje eksperimenata na NCC Montenegro HPC klasteru
  • Učesnici su brzo savladali koncepte, postavljali oštra pitanja i radili nezavisno u laboratoriji
Ivan Jovović drži prezentaciju o Edge/AI uz podršku HPC-a

EdgeAI – Vještačka inteligencija i Internet stvari uz podršku HPC-a

  • Dizajniranje efikasnih AIoT cjevovoda podataka
  • Odlučivanje kada obrađivati ​​na rubu mreže, a kada u oblaku
  • Implementacija laganih ML modela na uređajima s ograničenim resursima
  • Optimizacija modela korištenjem HPC infrastrukture
Demonstracija Elvisa Taruha i Ivana Jovovića o pokretanju HPC kreiranih modela na NVidia Jetson platformi

Pratite nas za sljedeće sesije i napredne radionice!

Posted on

Predavanje NCC Montenegro za studente završne godine UDG

U okviru kursa Digitalna transformacija, predstavnici Nacionalnog centra za kompetencije za računarstvo visokih performansi – NCC Crna Gora, gđa Sanja Nikolić i dr Luka Filipović, održali su gostujuće predavanje studentima završne godine osnovnih studija Fakulteta za informacione sisteme i tehnologije (FIST) i Fakulteta primijenjenih nauka Univerziteta Donja Gorica. Sesija je istakla rastući strateški značaj računarstva visokih performansi (HPC) u istraživanju, inovacijama i poslovnoj konkurentnosti.

HPC i poslovne prilike za digitalnu transformaciju

Studenti su upoznati sa načinom na koji HPC pokreće današnje AI sisteme, simulacije velikih razmjera i aplikacije koje intenzivno koriste podatke, te kako ova tehnološka konvergencija otvara nove karijerne i preduzetničke mogućnosti. Predavanje je također pokazalo kako HPC i AI postaju ključni pokretači za mala i srednja preduzeća i startupove, transformišući tradicionalne industrije i podržavajući napredna digitalna rješenja u poljoprivredi, energetici, finansijama i zdravstvu.

Gospođa Sanja Nikolić i dr. Luka Filipović održali su predavanje studentima završne godine.

Prezenteri su dali i pregled aktivnosti NCC Montenegro u okviru inicijative EuroCC/EuroCC4SEE – uključujući mogućnosti obuke, pristup evropskim superračunarima, podršku za uvođenje malih i srednjih preduzeća u posao i uključivanje studenata kroz istraživanje, master projekte i inovativno orijentisane probne koncepte. Predavanje je završeno otvorenim pozivom studentima da se uključe u predstojeće NCC HPC/AI programe, prakse i inicijative primijenjenih istraživanja.

Posted on

Magistarski rad o učenju međujezičkog transfera u velikim jezičkim modelima

G. Igor Ćulafić uspješno je odbranio svoj magistarski rad pod nazivom „Učenje međujezičkog transfera u velikim jezičkim modelima: Zakoni skaliranja i parametarski efikasno fino podešavanje za višejezične aplikacije“. Njegovo istraživanje pruža sveobuhvatnu studiju međujezičkog transfera za crnogorski jezik, kombinujući prilagođeni poluautomatski skener knjiga u obliku slova V, YOLOv11 + Tesseract OCR cjevovod i kreiranje 46.661 paralelnih parova paragrafa. Korištenjem LoRA finog podešavanja na Qwen2.5-7B i Qwen3-30B – izvršenog na superračunaru Leonardo EuroHPC – rad demonstrira parametarski efikasnu adaptaciju (samo 1,05% parametara koji se mogu obučavati) i nudi uvid u ponašanje modela u kulturnom razumijevanju, miješanju pisama i analitičkom zaključivanju. Ovo istraživanje je podržao tim NCC Montenegro i koristilo je računarske resurse HPC klastera i EuroHPC JU.

V-shaped book scanner prototype used to create datasets

SAŽETAK – Ovaj rad predstavlja sveobuhvatno istraživanje međujezičkog transfernog učenja u velikim jezičkim modelima sa fokusom na parametarski efikasno fino podešavanje za crnogorski jezik. Istraživanje integriše razvoj prilagođenog polu-automatizovanog skenera knjiga sa V-oblik dizajnom i tok obrade kompjuterske vizije koji koristi YOLO v11 modele i Tesseract OCR za digitalizaciju 5000 knjiga na crnogorskom i 40000 knjiga na engleskom jeziku, iz javnog domena, rezultujući sa 46661 paralelnih paragrafskih parova. Implementacija LoRA finog podešavanja na Qwen2.5-7B i Qwen3-30B modelima sprovedena je na Leonardo HPC superračunaru, postižući memorijsku efikasnost sa samo 1.05% trainable parametara. Komparativna analiza kroz strukturirani benchmark od deset progresivno složenijih pitanja otkriva ograničene ali pozitivne efekte finog podešavanja, pri čemu veći modeli pokazuju bolje performanse u razumijevanju opšteg znanja i analitičkim zadacima, dok sistemska analiza identifikuje specifične probleme poput miješanja pisma i kulturnih nepreciznosti koji zahtijevaju specijalizovane pristupe.

Posted on

Master teza: Primjena objašnjive vještačke inteligencije u medicini

Gospođa Ivana Lalatović uspješno je odbranila svoj magistarski rad pod nazivom „Primjena objašnjive vještačke inteligencije u medicini“ na Fakultetu informacionih sistema i tehnologija Univerziteta Donja Gorica.

Odbrana je održana u oktobru 2025. godine, a teza je istraživala kako moderne XAI tehnike – poput SHAP-a i LIME-a – mogu poboljšati transparentnost i povjerenje u AI modele koji se koriste za analizu performansi i pouzdanosti medicinskih respiratora. Razvoj, obuka i testiranje radnih procesa mašinskog učenja i XAI-a podržani su resursima računarstva visokih performansi (HPC) obezbijeđenim kroz EuroCC inicijativu u Crnoj Gori, omogućavajući skalabilnu obradu podataka, brže eksperimentisanje i reproducibilnu analizu potrebnu za medicinske AI primjene. Njen rad pokazuje kako objašnjivost omogućena HPC-om može ojačati sigurnost, pouzdanost i etičku upotrebu AI u zdravstvenim okruženjima, doprinoseći rastućem ekosistemu naprednih istraživanja AI koje podržava NCC Crna Gora.

Korištenje SHAP-a

ABSTRAKT – The need for explainable intelligent systems is growing along with the increase in artificial intelligence products used in everyday life. Explainable artificial intelligence (XAI) has experienced significant growth in the last few years. The reason for this is the wide application of machine learning, as well as deep learning techniques, which have led to the development of highly accurate models. However, they lack explainability and interpretability. This study explores the application of XAI methods in medical applications, with a particular focus on interpreting model decisions. SHAP and LIME methods were applied to interpret the model’s predictions, enabling the identification of key features that have the greatest influence on the model’s decisions. The results of this research confirm the importance of explainable artificial intelligence in critical domains such as medicine, where trust in AI systems must be based on understanding and verifiability of their decisions.

Proudly powered by WordPress