Opis kursa
NCC je uveo sveobuhvatan program obuke fokusiran na tehnike umjetne inteligencije (AI) i mašinskog učenja (ML). Ovaj kurs naglašava praktične implementacije i teorijske osnove, pripremajući učesnike da se suoče s izazovima u razvoju i implementaciji AI. Razvijen u saradnji sa stručnjacima iz industrije i akademskim istraživačima, program osposobljava studente sa veštinama dizajna, obuke i optimizacije AI modela za primene u stvarnom svetu.

Vještačka inteligencija inteligencija i mašinsko učenje predstavljaju promjenu paradigme u načinu na koji se podaci obrađuju, analiziraju i koriste za generiranje uvida i predviđanja. Međutim, implementacija AI rješenja zahtijeva duboko razumijevanje algoritama, računskih tehnika i strategija optimizacije. Ovaj kurs premošćuje jaz između teorijskih koncepata i praktične implementacije integracijom računarstva visokih performansi (HPC), omogućavajući učesnicima da efikasno skaliraju AI sisteme i rukuju velikim skupovima podataka.
Kako AI tehnologije nastavljaju da revolucionišu industrije, ovaj kurs priprema studente da primene svoje znanje u različitim domenima kao što su zdravstvo, finansije, autonomni sistemi, poljoprivreda i obrazovanje. Kombinujući teorijske principe sa praktičnim eksperimentisanjem, učesnici stiču stručnost za vođenje inovacija vođenih veštačkom inteligencijom i inicijativa za digitalnu transformaciju.
Sadržaj predmeta (12 modula:
- Matematičke osnove – Linearna algebra, račun, vjerovatnoća i tehnike optimizacije bitne za ML i AI.
- Uvod u mašinsko učenje – Osnove nadziranog i nenadgledanog učenja.
- Linearna regresija – osnove i praktična implementacija.
- Logistička regresija – koncepti, modeli i metrika evaluacije.
- Tehnike regularizacije – Rukovanje preopterećenjem i poboljšanje generalizacije.
- Algoritmi klasifikacije – stabla odlučivanja, SVM-ovi i metode ansambla.
- Algoritmi grupisanja – K-srednje vrednosti, hijerarhijsko grupisanje i DBSCAN.
- Obrada prirodnog jezika (NLP) – Tokenizacija, ugrađivanje i transformatorske arhitekture.
- Neuralne mreže i duboko učenje – Osnove mreža naprijed i nazad.
- Konvolucione neuronske mreže (CNN) – Primene u kompjuterskom vidu.
- Računarstvo visokih performansi (HPC) za AI – Osnove distribuiranog računarstva, GPU ubrzanja i paralelne obrade. Korištenje okvira kao što su TensorFlow i PyTorch u HPC okruženjima za optimizaciju AI radnih opterećenja.
- Razvoj finalnog projekta – Dizajn, implementacija i evaluacija AI modela od kraja do kraja.
Ishodi učenja
- Razvijte i implementirajte mašinsko učenje i AI modele koristeći Python-bazirane alate kao što su TensorFlow i PyTorch.
- Shvatite i iskoristite HPC infrastrukturu za implementaciju skalabilnih AI rješenja.
- Dizajnirajte, trenirajte i optimizirajte neuronske mreže za zadatke kao što su NLP, kompjuterski vid i učenje uz pomoć.
- Evaluirajte AI modele u pogledu performansi, skalabilnosti i etičkih razmatranja.
- Izgradite i upravljajte cjevovodima mašinskog učenja, rješavajući izazove implementacije pomoću MLOps praksi.