Врста студија и исход процеса учења
Студијски програм Вештачка интелигенција обухвата мастер академске студије из области вештачке интелигенције на Универзитету у Новом Саду, које се изводе на Природно-математичком факултету.
Стручни, академски, односно научни назив
По завршетку студија стиче се звање другог степена мастер информатичар (у додатку дипломи: вештачка интелигенција).
Услови за упис на студијски програм
Упис кандидата се врши на основу Конкурса које расписује Универзитет у Новом Саду, а спроводи Природно-математички факултет. Да би кандидат конкурисао за упис на прву годину ових мастер академских студија треба да има завршен први степен академских студија математике, рачунарских наука или релевантних области инжењерства, у износу од најмање 180 ЕСПБ бодова. Ако кандидат има диплому основних студија из других дисциплина, мора да положи улазни модул испита (најкасније у току прве године студирања) који се састоји из основних математичких и информатичких курсева. Редослед кандидата за упис утврђује се на основу просечне оцене на основним академским студијама и дужине студирања, као и на основу броја положених испита улазног модула у тренутку формирања листе.
Структура студијског програма
изборних предмета распоређених у три семестра, стручне праксе и завршног (мастер) рада. Студијски програм дефинише 8 обавезних предмета са укупно 46 ЕСПБ. Такође, обавезна је стручна пракса, као и израда и одбрана мастер рада, који укупно носе 30 ЕСПБ. Изборна настава на студијском програму је подељена у 17 изборних предмета из којих је потребно одабрати довољан број поена да се достигне 120 ЕСПБ.
За извођење наставе користе се класичне методе, као и савремене методе применом рачунарске и комуникационе опреме. На предавањима, за обраду наставних садржаја, користи се аудиторна метода уз коришћење савремених аудио-визуелних помагала. Пратимо актуелне трендове у области информатичког образовања, стављајући акценат на вежбе, практичан рад са студентима у рачунарским учионицама, као и студентске пројекте и семинарске радове.
Трајање студија
Трајање студија је 2 године, укупна вредност студија је 120 ЕСПБ.
Бодовна вредност предмета
Бодовна вредност сваког предмета исказана је у табели распореда предмета по семестрима и годинама студија датим ниже, као и у табелама спецификације предмета (доступним преко линкова).
Завршни рад
Студијским програмом је предвиђена израда завршног рада. Завршни (мастер) рад треба обавезно да садржи: предмет теме рада; преглед постојећег стања предметне области; циљ рада; добијене резултате рада.
Сврха двогодишњих мастер академских студија Вештачка интелигенција је образовање стручњака из области вештачке интелигенције и машинског учења способних за решавање практичних проблема из поменуте области. Студијски програм је унимодуларан. Свршени студенти имаће звање Мастер информатичар (у додатку дипломи – вештачка интелигенција) и биће квалификовани да раде у веома широком спектру примена, укључујући финансије, пољопривреду, медицину и индустрију. Они ће током студија стећи неопходна фундаментална знања из математике и информатике, али и вештине да се адаптирају и раде на скоро свим пољима која захтевају манипулацију великим количинама података и тичу се области машинског учења. Њихова експертиза обухватаће екстракцију скривеног знања из података, примену метода нумеричке оптимизације и дубоког учења, као и способности примене софтверског инжењерства. Изборне области такође отварају могућности уже специјализације за обраду природног говора, слика, али и за примене вештачке интелигенције у медицини и биологији.
Циљеви мастер академског студијског програма Вештачка интелигенција су:
- стицање теоријских основа математике и информатике релевантних за област вештачке интелигенције који укључују софтверско инжењерство, оптимизацију, дубоко и машинско учење,
- способност примене стечених теоријских знања на реалне проблеме из области вештачке интелигенције и машинског учења,
- стицање савремених знања и вештина из области вештачке интелигенције и машинског учења,
- специјализација за одређену класу проблема из области вештачке интелигенције као што су обрада слика, обрада природног говора, базе просторних података и вештачка интелигенција у медицини и биологији,
- стицање практичних знања и вештина за рад на реалним проблемима из индустрије,
- оспособљавање за ефикасну комуникацију са експертима из индустрије,
- способност одабира и креирања погодних алгоритама за решавање проблема оптимизације у области вештачке интелигенције,
- способност креирања софтверских решења за рад са великим количинама података,
- способност имплементације алгоритама и рад са великим базама података.
Опис општих и предметно-специфичних компетенција студената
Савладавањем овог студијског програма студент стиче следеће опште способности:
- способност аналитичког мишљења, моделирања и формулисања реалних проблема на формалан, математички начин,
- способност примене теоријских знања из области математике и информатике на реалним проблемима,
- способност критичког приступа, анализе и одабира одговарајућих математичких и информатичких алата за решавање конкретних проблема,
- способност комуникације са инжењерима и другим стручњацима из релевантних области.
Савладавањем овог студијског програма студент стиче следеће предметно-специфичне способности:
- способност повезивања знања из различитих научних области као што су математика, информатика, инжењерство, биологија и остале,
- способност адаптације на нове алате, проблеме и окружења које доноси развој области вештачке интелигенције,
- способност праћења развоја вештачке интелигенције у смислу разумевања нових концепата и теоријских доприноса у области и могућности њихове примене,
- способност за ефикасно коришћење савременог софтвера и савремених вештина релевантних за вештачку интелигенцију,
- способност креативног усвајања нових знања, развоја нових модела и примене знања у новим технологијама,
- способност примене стечених знања у решавању реалних проблема.
Опис исхода учења
Свршени студент поседује:
- високо специјализована академска и стручна знања која се односе на теорије, принципе и процесе, укључујући вредновање, критичко разумевање и примену у области вештачке интелигенције као основу за научна и примењена истраживања,
- вештине да решава сложене проблеме на иновативан начин који доприноси развоју области вештачке интелигенције,
- вештине да води сложену комуникацију, интеракцију и сарадњу са различитим друштвеним групама, при чему је акценат на комуникацији са експертима из индустрије,
- вештине да примењује сложене методе, алгоритме и софтверска решења релевантна за област вештачке интелигенције као основу за научна и примењена истраживања,
- способности да делује предузетнички и преузима руководеће послове,
- способности да самостално и са пуном одговорношћу води најсложеније пројекте,
- способности да планира и реализује научна и примењена истраживања,
- способност да контролише рад и вреднује резултате других ради унапређивања постојеће праксе.
Курикулум студијског програма садржи осам обавезних предмета са укупно 46 ЕСПБ, наведена у табели ниже. Обавезна је стручна пракса, као и израда и одбрана мастер рада, који укупно носе 30 ЕСПБ. Обавезни предмети заједно са стручном праксом и мастер радом носе 76 ЕСПБ.
Остатак до 120 ЕСПБ студенти допуњавају изборним предметима, датим у другој табели. Листа изборних предмета садржи њих 17, при чему је за сваки изборни предмет дефинисан семестар у ком је доступан (први, други или трећи). Изборни предмети обухватају специфичне (углавном стручно-апликативне и научно-стручне) садржаје, који употпуњују други ниво образовања у области вештачке интелигенције.
На овом програму, предвиђени облици наставе су предавања, вежбе и практичне вежбе као други облик наставе.
Распоред предмета по семестрима и годинама студија за студијски програм Вештачка интелигенција
Шифра предмета | Назив предмета | Семестар | Часови активне наставе | Остали часови | ЕСПБ | ||||
П | В | ДОН | СИР | ||||||
ПРВА ГОДИНА | |||||||||
1 | 19.MW0001 | Програмирање и софтверско инжењерство за машинско учење | 1 | 3 | 2 | 6 | |||
2 | 19.MW0002 | Стохастички процеси | 1 | 3 | 2 | 6 | |||
3 | 19.MW0003 | Основе нумеричке оптимизације | 1 | 3 | 2 | 6 | |||
4 | 19.MW0008 | Дистрибуирана оптимизација и примене | 2 | 3 | 2 | 6 | |||
5 | 19.MW0009 | Препознавање облика и машинско учење | 2 | 3 | 2 | 6 | |||
6 | 19.MW0010 | Дубоко учење | 2 | 3 | 2 | 6 | |||
Укупно часова (предавања+вежбе, ДОН, СИР, остали часови) и ЕСПБ на години: | 18 | 12 | 36 | ||||||
Укупно часова активне наставе на години студија: | 30 | ||||||||
ДРУГА ГОДИНА | |||||||||
1 | 19.MW0004 | Дистрибуирано дубоко учење | 3 | 2 | 2 | 5 | |||
2 | 19.MW0005 | Анализа комплексних мрежа | 3 | 2 | 2 | 5 | |||
3 | 19.MW0011 | Стручна пракса | 4 | 0 | 0 | 0 | 0 | 6 | 3 |
4 | 19.MW0006 | Мастер рад - истраживање | 4 | 0 | 0 | 0 | 20 | 0 | 7 |
5 | 19.MW0007 | Мастер рад - израда и одбрана | 4 | 0 | 0 | 0 | 0 | 4 | 20 |
Укупно часова (предавања+вежбе, ДОН, СИР, остали часови) и ЕСПБ на години: | 4 | 4 | 0 | 20 | 10 | 40 | |||
Укупно часова активне наставе на години студија : | 28 |
- Часови активне наставе: П-предавања, В-вежбе, ДОН-други облици наставе (лабораторијске вежбе, семинари и др. у зависности од специфичности студијског програма), СИР-студијски истраживачки рад
Изборна настава на студијском програму*
Шифра предмета | Назив предмета | Семестар | Часови активне наставе | Остали часови | ЕСПБ | ||||
П | В | ДОН | СИР | ||||||
ПРВА ГОДИНА | |||||||||
1 | 19.MW0101 | Теорија графова | 1 | 2 | 3 | 6 | |||
2 | 19.MW0102 | Структуре података и алгоритми | 1 | 2 | 3 | 6 | |||
3 | 19.MW0103 | Приватност, етика и друштвена одговорност | 1 | 3 | 2 | 6 | |||
4 | 19.MW0104 | Нумеричка линеарна алгебра 1 | 1 | 2 | 3 | 6 | |||
5 | 19.MW0105 | Временске серије | 2 | 2 | 3 | 6 | |||
6 | 19.MW0106 | Нумеричка линеарна алгебра 2 | 2 | 2 | 3 | 6 | |||
7 | 19.MW0107 | Статистичке теорије машинског учења и обраде сигнала | 2 | 2 | 3 | 6 | |||
8 | 19.MW0108 | Пословна интелигенција | 2 | 2 | 3 | 6 | |||
9 | 19.MW0109 | Претраживање информација | 2 | 2 | 3 | 6 | |||
ДРУГА ГОДИНА | |||||||||
1 | 19.MW0201 | Увод у обраду слике | 3 | 2 | 2 | 5 | |||
2 | 19.MW0202 | Обрада великих количина података у медицини и биологији | 3 | 2 | 2 | 5 | |||
3 | 19.MW0203 | Обрада акустичких и говорних сигнала | 3 | 2 | 2 | 5 | |||
4 | 19.MW0204 | Графички модели и пробабилистичко закључивање | 3 | 2 | 2 | 5 | |||
5 | 19.MW0205 | Алгоритми над графовима и стаблима | 3 | 2 | 2 | 5 | |||
6 | 19.MW0206 | NoSQL базе података | 3 | 2 | 2 | 5 | |||
7 | 19.MW0207 | Базе просторних података | 3 | 2 | 2 | 5 | |||
8 | 19.MW0208 | Анализа података у великим скалама | 3 | 2 | 2 | 5 | |||
Укупно ЕСПБ: | 94 |
- Часови активне наставе: П-предавања, В-вежбе, ДОН-други облици наставе (лабораторијске вежбе, семинари и др.), СИР-студијски истраживачки рад
- *Студент у оквиру овог студијског програма може да бира и релевантне предмете са других студијских програма истог нивоа, али уз одобрење Већа Департмана за математику и информатику и тако да у збиру ти предмети вреде максимално 20 ЕСПБ.