Cilji in kompetence
Cilj tega predmeta je, da študent osvoji osnovna znanja zelenega strojnega učenja in obdelave podatkov s pomočjo interaktivnih orodij in oblačnih storitev. Poudarek bo na učinkoviti in varčni izrabi računalniških virov v vseh fazah strojnega učenja: od zbiranja podatkov, do končne uporabe rezultatov strojnega učenja.
Vsebina
• Uvod v inteligentne sisteme (osnovni koncepti, pristopi strojnega učenja, zeleni vidiki strojnega učenja)
• Osnove zbirk podatkov (zelen pristop k zbirkam podatkov, tipi podatkov, tipi atributov, organizacija podatkov, formati podatkovnih zbirk, vizualizacija podatkov)
• Priprava podatkov (orodja za obdelavo podatkov, zelena oblika podatkov, predobdelava podatkov, filtriranje podatkov, statističen pregled podatkov)
• Orodja strojnega učenja (interaktivna orodja strojnega učenja, knjižnice strojnega učenja, integracija orodij strojnega učenja)
• Oblačno strojno učenje (zeleni aspekti oblačnega strojnega učenja, oblačne storitve strojnega učenja, oblačne storitve in integracija)
• Vizualizacija in evalvacija rezultatov (interpretacija rezultatov, metrike za interpretacijo rezultatov, vizualizacijske metode in pristopi)
Metode poučevanja in učenja
• predavanja,
• računalniške vaje.
Predvideni študijski rezultati - znanje in razumevanje
Znanje in razumevanje:
• razumeti uporabo zelenega strojnega učenja,
• predelava podatkov v ustrezno obliko z ustreznimi orodji,
• uporaba orodij in oblačnih storitev za potrebe zelenega strojnega učenja.
Prenosljive/ključne spretnosti in drugi atributi:
• Obdelava podatkov: obdelava podatkov za potrebe zelene uporabe in statističen pregled podatkov,
• Izbira in uporaba algoritmov strojnega učenja: uporaba primernih tehnik strojnega učenja s pomočjo interaktivnih orodij,
• Interpretacija in vizualizacija rezultatov: sposobnost interpretacije in vizualizacije rezultatov in sposobnost presoje primernosti rezultatov.
Temeljni literatura in viri
• J. Han, M. Kamber, J.Pei: Data Mining: Concepts and Techniques, Third Edition, Elsevier, Morgan Kaufmann Publishers, 2012.
• H. Witten, E. Frank, M. A. Hall: Data Mining, Practical Machine Learning Tools and Techniques, Third Edition, Morgan Kaufmann Publishers, 2011.
• M. Zorman, V. Podgorelec, M. Lenič, P. Povalej, P. Kokol, A. Tapajner: Inteligentni sistemi in profesionalni vsakdan, Univerza v Mariboru, Center za Interdisciplinarne in multidisciplinarne raziskave in študije UM, Maribor, 2003.
• E. Bisong Building machine learning and deep learning models on Google cloud platform. Berkeley, CA: Apress, 2019.
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
Ni pogojev.
