Category: Edukacija

Posted on

EuroCC4SEE Forum o poslovnim inovacijama i PoC demonstracijama na bazi HPC i AI

NCC Montenegro će biti domaćin EuroCC4SEE Foruma o HPC/AI-omogućenim poslovnim inovacijama i PoC demonstracijama 13. i 14. decembra, okupljajući predstavnike akademske zajednice, industrije, vlade i startup zajednice. Dvodnevni događaj će istaknuti kako računarstvo visokih performansi (HPC) i vještačka inteligencija (AI) mogu ubrzati inovacije, ojačati nacionalne kapacitete i podržati digitalnu transformaciju Crne Gore.

Prvi dan će se fokusirati na poslovne inovacije i perspektive politika, uz uvodne govore nacionalnih institucija, glavni govor o ulozi HPC-a i vještačke inteligencije u ekonomskom rastu i panel na visokom nivou o izgradnji inovacijskog ekosistema Crne Gore. Program će također uključivati ​​tehničke sesije, s PoC demonstracijama razvijenim putem EuroCC4SEE u sektorima kao što su energetika, poljoprivreda, zdravstvo i mobilnost, nakon čega slijedi sesija o MLOps pristupima koju će moderirati tim NCC Montenegro. Izložba umrežavanja i postera će predstaviti studentske radove i lokalne startup projekte.

Drugi dan će se usmjeriti na vještine, obrazovanje i saradnju. Učesnici će istražiti razvoj nacionalnih kompetencija u oblasti HPC/AI, izgradnju potencijala talenata i modele saradnje između poslovnog sektora i akademske zajednice kroz panele i interaktivnu radionicu. Događaj će se završiti pregledom mogućnosti finansiranja od strane EU (Horizon Europe, EuroHPC JU, Digital Europe Programme) i mapom puta za dalju saradnju unutar mreže EuroCC4SEE.

Cilj foruma je jačanje pozicije Crne Gore u regionalnom HPC/AI okruženju i podsticanje partnerstava koja osnažuju inovacije i izvrsnost u istraživanju.

Posted on

Istraživači iz EuroCC Crne Gore učestvovali na MMLW 25

Istraživači iz EuroCC Crne Gore učestvovali su na Crnogorskoj radionici o mašinskom učenju (Montenegrin Machine Learning Workshop, MMLW 25), jednodnevnom događaju čiji je cilj bio popularizacija tema vezanih za mašinsko učenje (ML) i vještačku inteligenciju (AI) među studentima, istraživačima i stručnjacima iz prakse. Radionica je organizovana u saradnji sa Crnogorskim udruženjem za vještačku inteligenciju (MAIA) kao prateći događaj EEML ljetnje škole. Učesnici su prisustvovali predavanjima koja su obuhvatila duboko učenje i njegove primjene u oblasti osmatranja Zemlje, grafovskih neuronskih mreža, elektroenergetskih sistema, biologije i genomike.

Tokom poster sesije, posjetioci su imali priliku da saznaju više o projektu EuroCC i istraživanjima iz oblasti vještačke inteligencije i računarskih sistema visokih performansi (HPC) u Crnoj Gori.

Posted on

Vještačka inteligencija i internet stvari – EdgeAI

Ovaj kratki kurs bavi se primjenom vještačke inteligencije (AI) u sistemima Interneta stvari (IoT), sa posebnim naglaskom na tzv. „edge AI“ – pokretanje modela mašinskog učenja direktno na uređajima, blizu mjesta gdje se podaci stvaraju. Učesnici će naučiti kako da osmisle AIoT tokove obrade podataka, kada je bolje obradu vršiti na samom uređaju, a kada u oblaku, kao i kako da postave lagane modele mašinskog učenja na hardveru sa ograničenim resursima. Program je namijenjen studentima, istraživačima i stručnjacima koji žele da unaprijede svoja znanja i naprave korak od „povezanih uređaja“ ka zaista inteligentnim uređajima.

Datum kursa: 05.11.2025. u 13:30
Mjesto održavanja: S34, UDG
Prijava: obavezna
Link za prijavu: https://forms.gle/2DktEUqf5KZosFth7

Namijenjeno za: studente, istraživače i profesionalce zainteresovane za AI, IoT, edge computing i primijenjeni ML.

Pregled sadržaja kursa

Sesija 1 — teorijski okvir (AI + IoT)

  • konvergencija AI–IoT: od senzora do inteligentnog djelovanja
  • edge vs. cloud vs. fog: latencija, protok, privatnost, cijena
  • edge AI pipeline: uređaj → pretprocesiranje → inferenca → akcija
  • lagani/ugrađeni ML (TinyML, kvantizacija, pruning)
  • platforme i primjene (Raspberry Pi, Jetson, pametna poljoprivreda, industrija)

Sesija 2 — praktična radionica (hands-on edge/AI)

  • priprema edge/IoT okruženja i izvora podataka (senzor/kamera/mock)
  • postavljanje malog ML modela na uređaj
  • lokalno pokretanje inferenci i slanje rezultata ka backendu/obliku
  • praćenje i osnovne performanse
  • kako ovo skalirati na realne sisteme

Ishodi učenja

Po završetku kursa, polaznici će moći da:

  • objasne odnos između AI, IoT i edge computinga
  • odluče kada inferencu raditi na uređaju, a kada u oblaku
  • postave lagan ML model na IoT/edge okruženje
  • osmisle end-to-end AIoT rješenje za svoju oblast (npr. poljoprivreda, pametni grad, industrija).
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

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

Raspored kursa
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.

Posted on

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.
Proudly powered by WordPress