Edukacija Arhiva - Page 2 of 10

28.10.2025.28.10.2025.

Kurs Dubokog učenja

Kurs Duboko učenje i računari visokih performansi (HPC) pruža sveobuhvatan uvod u osnovne i napredne koncepte dubokog učenja, sa posebnim fokusom na primjene u okruženju računara visokih performansi.

Učesnici će se upoznati sa neuronskim mrežama, optimizacijom funkcije gubitka, konvolucionim i transformer arhitekturama, kao i nesupervizovanim i generativnim modelima. Kroz kombinaciju predavanja i praktičnih vježbi, polaznici će steći teorijsko razumijevanje i praktično iskustvo u efikasnom treniranju i primjeni modela dubokog učenja na HPC sistemima.

Kurs je namijenjen studentima i istraživačima koji posjeduju osnovno znanje iz oblasti mašinskog učenja, programiranja u nekom jeziku, kao i iz određenih oblasti matematike (funkcije, izvodi, linearna algebra i statistika).

Kurs se organizuje u okviru EuroCC projekta na Univerzitetu Donja Gorica, u saradnji sa Centrom za računare visokih performansi i istraživačkim timom za vještačku inteligenciju. Nastava će biti organizovana na Univerzitetu Donja Gorica, počev od 31. oktobra 2025. godine, od 17:15 časova, u učionici S33 (3 sprat).

Link za registraciju: https://forms.gle/dKH5WMc6egcikaF99

25.10.2025.18.11.2025.

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.

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.

24.10.2025.24.10.2025.

Kompjuterska vizija i konvolucione neuronske mreže

Ovaj fokusirani kratki kurs uvodi ključne koncepte kompjuterske vizije (CV) i savremenih konvolucionih neuronskih mreža (CNN), a zatim ih primjenjuje u praksi. Polaznici će razumjeti kako se slike pretvaraju u osobine, kako CNN modeli uče robusne reprezentacije i kako trenirati/ocjenjivati modele za stvarne zadatke. Namijenjen studentima, istraživačima i profesionalcima sa osnovnim znanjem Pythona, kurs spaja jasan teorijski okvir i hands-on radionicu koja isporučuje funkcionalan klasifikator slika i praktične savjete za povećanje tačnosti i robusnosti. Polaznici će imati priliku da svoje eksperimente pokrenu i na lokalnom HPC klasteru.

Datum kursa: 29.10.2025. u 13:30 (S32, UDG)
Prijava je obavezna putem linka https://forms.gle/1FkRDBGCxdrPx9fF6
Namijenjeno za: studente, istraživače i profesionalce

Kompjuterska vizija i konvolucione neuronske mreže

Pregled sadržaja

Sesija 1 — teorijski okvir

pikseli → osobine: konvolucije, padding/stride, receptivna polja
ključni blokovi: aktivacije, pooling, batchnorm, dropout, rezidualne veze
referentne arhitekture: LeNet → ResNet → EfficientNet
osnove treniranja: gubici, optimizatori, LR rasporedi, augmentacija, metrike
osnove transfer učenja

Sesija 2 — praktična radionica (hands-on)

postavljanje okruženja + dataset (CIFAR-10 ili mali prilagođeni), čisti splitovi, transformacije
bazni CNN: treniranje → evaluacija (accuracy/F1, konfuziona matrica)
fino podešavanje unaprijed istreniranog ResNet-a; zamrzavanje/odmrzavanje; early stopping
izvoz najboljeg modela (pth/onnx) i mali skript za inferencu

Ishodi učenja

Po završetku, polaznici će moći da:

objasne kako CNN izvlači hijerarhijske osobine i zašto su bitni ključni blokovi/arhitekture;
izgrade stabilan trening-pipeline uz korektne splitove, augmentaciju i metrike
Podese unaprijed istreniran model i dijagnostikuju greške alatima za interpretabilnost;
izvoze istreniran model za upotrebu u aplikacijama ili servisima.

24.10.2025.24.10.2025.

Kurs paralelnog programiranja

Univerzitet Donja Gorica i NCC Crna Gora organizuju kurs o paralelnom programiranju. Ovaj kurs obuhvata osnove paralelnog računarstva i primjenu u rješavanju složenih numeričkih problema koji se ne mogu efikasno riješiti sekvencijalnim programima.

Učesnici, uključujući studente i industrijske partnere, biće upoznati sa osnovama distribuiranog i paralelnog računarstva, kao i analizi performansi paralelnih programa.

U drugom dijelu obuke, učesnici će naučiti osnove paralelnog programiranja na višejezgrenim HPC sistemima, koristeći arhitekture i dijeljene i distribuirane memorije putem OpenMP i MPI. Nakon savladavanja osnova, kurs će obuhvatiti kompletan proces dekompozicije serijskog programa, njegovog pretvaranja u paralelnu verziju i identifikovanja potencijalnih izazova vezanih za paralelizaciju i komunikaciju.

U završnom dijelu kursa, učesnici će biti upoznati sa osnovnim konceptima paralelnog programiranja na GPU-u, istražujući kako se grafičke procesorske jedinice mogu koristiti za ubrzanje računarstva.

Trajanje kursa je šest sedmica, sa sedmičnim 90-minutnim sesijama koje se održavaju popodne.

Početak kursa: 30.10.2025, 17.15,
Lokacija: Univerzitet Donja Gorica, S43 (4. sprat),
Više informacija: mnencc@udg.edu.me

07.07.2025.22.07.2025.

Saradnja sa NVIDIA, OpenACC i šest NCC-ova

U saradnji sa NVIDIA i organizacijom OpenACC, grupa Nacionalnih centara za kompetencije iz Austrije, Češke, Njemačke, Crne Gore, Poljske, Slovenije i Švedske organizovala je nekoliko Bootcamp-ova za evropsku HPC i AI korisničku zajednicu.

Studenti i istraživači sa UDG-a i UoM-a, entuzijasti i stručnjaci iz industrije u oblastima HPC-a i vještačke inteligencije, zajedno sa stotinama učesnika iz cijele Evrope, pohađali su kurseve o paralelnom programiranju (N-Ways-GPU i Multi-GPU) i AI (AI 4 science i AI profiling). Istraživači iz Crne Gore su učestovali kao TA asistenti.

Kao jedan od događaja, sa zadovoljstvom najavljujemo OpenAI Hackathon, koji će se održati od 14. do 23. oktobra 2025. godine. Događaj vode NVIDIA i OpenACC, zajedno sa EuroCC NCC Austrije, Njemačke i Poljske. Otvoreni AI hakatoni su višednevni, intenzivni praktični događaji osmišljeni da pomognu inženjerima vještačke inteligencije i mašinskog učenja da ubrzaju, optimizuju i skaliraju svoje projekte iz stvarnog svijeta koristeći najnovije tehnologije. Događaj spaja timove učesnika sa stručnim mentorima kako bi poboljšali performanse, efikasnost i skalabilnost svojih aplikacija koristeći najsavremenije programske modele, biblioteke i alate. Bez obzira da li radite na dubokom učenju, analitici podataka ili optimizaciji modela, ovaj hakaton pruža jedinstvenu priliku da se pomjere granice inovacija korištenjem napredne infrastrukture vještačke inteligencije i mašinskog učenja.

Važni datumi

05. avgust 2025. – Rok za prijavu
Avgust/Septembar 2025. – Obavještenje o prihvatanju
14.–23.10.2025., 09:00 – 17:00 CEST, Hakaton ONLINE (koristeći Zoom)

Više informacija, dnevni red i registracija na LINK-u.

29.06.2025.29.06.2025.

Odbrana master rada: Razvoj Edge/AI aplikacija uz podršku HPC-a

Kandidat Elvis Taruh uspješno je odbranio master rad pod nazivom “Razvoj Edge/AI aplikacija uz podršku HPC-a” na Fakultetu za informacione sisteme i tehnologije Univerziteta Donja Gorica.

APSTRAKT – Efikasnost treniranja modela vještačke inteligencije (AI) postaje glavni faktor u savremenim istraživanjima, naročito kada su u pitanju kompleksni sistemi koji zahtijevaju veliku računarsku snagu. Ovaj rad istražuje kako primjena računarstva visokih performansi (HPC) i Edge uređaja može optimizovati proces treniranja AI modela, smanjujući vrijeme obrade i poboljšavajući efikasnost. Kroz eksperimentali pristup, analizirano je treniranje AI modela na tri različite platforme. Lokalni računar, Google Colab i HPC klaster na Univerzitetu Donja Gorica. Kao praktičan primjer, korišćena je detekcija stoke. Poređenjem vremena treniranja, potrošnje memorije i preciznosti modela, istraživanje pokazuje kako HPC klasteri značajno ubrzavaju proces obuke u odnosu na klasične metode, dok edge uređaji omogućavaju bržu analizu podataka u realnom vremenu.

Prisustvovalo je oko 30 ljudi. Ovo je bila mala proslava za projekte EuroCC2 i EuroCC4SEE.

29.06.2025.29.06.2025.

Odbrana master rada: AI tutor uz primjenu LLM modela i HPC tehnologija

Kandidat Arnad Lekić uspješno je odbranio master rad pod nazivom “Razvoj AI tutora koristeći velike jezičke modele i HPC” na Fakultetu za informacione sisteme i tehnologije Univerziteta Donja Gorica. I ova teza je urađena u kontekstu i uz podršku EuroCC2 i EuroCC4SEE projekata.

APSTRAKT – Ovaj rad se bavi razvojem personalizovanog AI tutora korišćenjem velikih jezičkih modela (LLM), sa posebnim fokusom na LLaMA arhitekturu i primjenu High-Performance Computing (HPC) resursa. U okviru istraživanja, realizovan je proces preuzimanja, postavljanja i evaluacije otvorenog LLaMA modela, sa ciljem da se razvije sistem sposoban za automatsko ocjenjivanje testova. Poseban akcenat je stavljen na efikasnost i mogućnosti treniranja modela u lokalnim uslovima koristeći dostupne računarske nodove, uz poređenje sa cloud rješenjima poput Google Colab-a. Pored tehničke realizacije, razmatrani su i etički izazovi primjene generativne AI u obrazovanju. Kroz eksperimentalnu analizu pokazano je da se otvoreni modeli mogu prilagoditi i koristiti za obrazovne svrhe, uz mogućnost proširenja na ocjenjivanje različitih tipova ispita i generisanje edukativnih sadržaja. Rad daje smjernice za budući razvoj sistema koji bi koristio naprednije multimodalne modele za složenije zadatke.