DOKTORSKE STUDIJE

Predmet proučava metode naučnog istraživanja u oblasti softverskog inženjerstva, u cilju da pripremi studenta doktorskih studija za napredna istraživanja, izučavajući kako da planiraju, sprovode i izveštavaju svoja istraživanja. Predmet pokriva tehnike koje se primenjuju u svim fazama i aktivnostima istraživačkog projekta, uključujući formulisanje istraživačkih pitanja, korišćenje odgovarajuće teorije, vršenje analize podataka – koristeći i kvalitativne i kvantitativne metode , i primena dokaza procene validnosti i objavljivanje rezultata istraživanja. Predmet pokriva glavne istraživačke metode koje se koriste u istraživanjima u softverskom inženjerstvu, a i šire, u tehničkim naukama koje primenjuju računare: kontrolisani eksperiment, studija slučaja, anketa, arhivska analiza, akciono istraživanje i etnografija. Posebno sa analizira primena kvantifikovanih i kvalitativnih metoda istraživanja i njihovo objedinjavanje. Predmet omogućava i proučavanje metoda primene softvera u sprezi sa fizičkim objektima, pri čemu se sprovede odgovarajući inženjerske analize, simulacije i optimizacije projektnih rešenja primenom računara.

Cilj ovog predmeta je da studente uvede u problematiku projektovanja i razvoja inteligentnih sistema, obezbeđujući im osnovna znanja o razvijenim metodama i tehnikama veštačke inteligencije, a koje koriste inteligentni sistemi. Predmet koristi i deduktivne i induktivne metode veštačke inteligencije. Deduktivne metode se bave korišćenjem unetog znanja u sistem, zajedno sa tehnikama automatskog zaključivanja i rezonovanja. S druge strane, induktivne metode, tehnikama mašinskog učenja, obezbeđuju da inteligentni sistemi mogu i da uče i da na taj način proširuju svoje inteligentno delovanje. Primenom ovih tehnika, razvijaju se tzv. inteligentni agenti, tj. softverski objekti osposobljeni i za autonomno rezonovanje, a i za učenje, te sami, a najčešće u grupi, mogu da se koriste za rešavanje niza problema u praksi.
Ovaj predmet je osnova za istraživanja i razvoj inteligentnih softverskih sistema u različitim oblastima primene, od koji se neki izučavaju u ovom programu doktorskih studija. Program predmeta je prilagođen studentima koji nemaju predznanja iz veštačke inteligencije. Studenti koji imaju neki nivo predznanja (što je sigurno poželjno), sigurno će lakše učiti ovaj predmet, ali je cilj da svi studenti ovog doktorskog programa, na ovom predmetu steknu istu osnovu za dalju primenu veštačke inteligencije, neophodne za dalje izučavanje, istraživanje, razvoj i primenu inteligentnih softverskih sistema. Sve je više softverskih sistema od koji ih se traži neki oblik inteligentnog ponašanja (tzv. pametni sistemi), te tehnike koje studenti nauče na ovom predmetu, mogu kasnije da primene na širok spektar problema veštačke inteligencije i mogu da posluže kao osnova za dalje proučavanje u bilo kojoj oblasti primene koju odluče da se bave.

Za potrebe studijskog programa doktorskih studija odabran je skup aktuelnih radova iz oblasti softverskog inženjerstva, koje studenti čitaju i analiziraju. U ovom skupu radova se nalaze klasični radovi koji razvijaju bezvremenske ideje koje prevazilaze promene tehnologije, a ideje oličene u njihovim rešenjima često se primenjuju na aktuelne probleme. Takođe, su pokriveni i radovi koji se bave aktuelnim temama softverskog inženjerstva.

Cilj kursa je da omogući studentima da steknu neophodna teorijska i praktična znanja za analizu i sintezu rešenja iz oblasti bezbednosti informacionih sistema. Studenti će naučiti kako da selektuju alate, metode i ključne informacije neophodne za profesionalnu i održavanu praksu u oblasti upravljanja bezbednošću informacija. Studenti razvijaju znanja i veštine za projektovanje, analizu, implementaciju i integraciju zaštitnih mehanizama u oblasti bezbednosti informacionih sistema.
Studenti će koristiti razne najsavremenije tehnologije i laboratorije u mnogim praktičnim aktivnostima učenja.

Predmet SE608 Arhitekture softverskih sisteme ima za cilj da nauči studente kako da projektuju, razumeju i procenjuju sisteme na arhitektonskom nivou apstrakcije. Predmet pruže mogućnost usmerenja studentskog izučavanja softverskih arhitektura ka užim oblastima i tehnološkim platformama koje su od posebnog interesa studenta. Zato se u spisku literature navodi i veći broj referenci (pre svega dopunske), koje student, eventualno, može da koristi ukoliko su mu potrebne. Na ovaj način, predmet omogućava jedan nivo personifikacije nastave na predmetu, tako da izučavanja na predmetu budu u što većoj meri i u funkciji pripreme za izrade doktorske disertacije studenta.

Generalni ishod je osposobljavanje za prepoznavanja područja i uslova primene kao i problema pri primeni tehnika mašinskog učenja, za izbor odgovarajuće tehnike i primenu tehnika u zavisnosti od vrste, prirode i kompleksnosti problema (iz industrijske ili naučno-istraživačke prakse) koji se rešava. Ovo uključuje napredni nivo primene tehnika nadgledanog učenja za rešavanje problema klasifikacije i modelovanja, tehnika nenadgledanog učenja za rešavanje problema klasteritacije i redukciju dimenzionalnosti, i rešavanje problema dubokog učenja. Na kraju, student je osposobljen za usvajanje najboljih praksi za efektivnu primenu ovih tehnika i ocenu efektivnosti primene za rešavanje posmatranog problema (izvođenje zaključka u vezi ocene posmatranog modela) koristeći odgovarajuće softversko okruženje. Ishod uključuje i razumevanje veze sa evolucionim algoritmima, tj. potrebe za modelom (razvijenim tehnikama mašinskog učenja) koji predstavlja ulaz u evolucione algoritme sa ciljem pronalaženja optimalnog rešenja problema.

Cilj predmeta je da pripremi i osposobi studente za istraživanja i razvoj inteligentnih softverskih sistema u obrazovanju. Predmet je usmeren ka dva šire oblasti istraživanja, razvoja i primene veštačke inteligencije u obrazovanju: (1) Adaptivni i personalizovani inteligentni sistemi za e-učenje, analiza podataka LMS sistema i drugih akademskih podataka, i (2) Inteligentni sistemi upravljanja visokoškolskom ustanovom u: marketingu, regrutovanju nastavnog osoblja, prijemu studenata, razvoju talenata i upravljanju poslovnim procesima. Primena veštačke inteligencije u obrazovanju bi trebalo da poveća kvalitet i efikasnost obrazovanja, poveća motivisanost studenata za studije, i da bitno smanji odustajanje studenata od studija.

Krajnji cilj je da se studenti upoznaju sa najnovijim akademskim dostignućima iz oblasti organizacije višeprocesorskih operativnih sistema radi bezbednog izvršavanja softvera u vremenski kritičnim okruženjima, te da mogu samostalno da pristupe naučno-istraživačkom radu vezanom za ovu oblast.

Cilj predmeta je da uputi studente u niz relevantnih tema koje se odnose na savremene prakse analize, a koje su osnov za novo polje analitike velikih skupova podataka. Diskusija tehnika istraživanja podataka i mašinskog učenja za analizu i ekstrahovanje modela i znanja iz velikih skupova podataka. Student će biti osposobljen da prikupi dovoljno relevantnih podataka iz različitih izvora, izvrši analizu podataka koristeći naučne metode i napravi odgovarajuće i snažne veze između kvantitativne analize i stvarnih problema. Napredna primena tehnika analitike velikih skupova podataka u kreiranju rešenja realnih problema iz naučno-istraživačke prakse, industrijske prakse, finansijskog poslovanja, funkcionisanja socijalnih mreža i drugih relevantnih oblasti, uključujući istraživanje i batch skupa podataka i strima podataka.

Senzorske mreže imaju širok spektar kako civilnih tako i vojnih aplikacija, kao što su pametne zgrade, napredna pomoć u vožnji, sistemi autonomne vožnje, pametni gradovi, zaštita kritičnih sredstava, zaštita granica, robotsko oružje, itd. Uloga ovog predmeta je da pokrije sve glavne teme vezano za softver senzorske mreže, počevši od samih istražnih senzora, zatim aspekata umrežavanja i na kraju aspekata aplikacije.

Savremeni multispektralni elektro-optički sistemi se koriste u različitim aplikacijama, gde sinergija senzora može poboljšati ukupne performanse sistema. Senzori obuhvataju kamere osetljive u vidljivom i infracrvenom delu elektromagnetnog spektra, a u nekim slučajevima i druge neophodne senzore (pozicija, orijentacija, meteorološki parametri itd.). Implementacija algoritama koji obrađuju podatke prikupljene senzorima obezbeđuje ispunjavanje zadataka u konkretnom scenariju primene sistema (pametni gradovi, nadgledanje morske i kopnene granice, percepcija u autonomnom vozilu i dr.).

Cilj kursa je da omogući studentima da steknu teorijska i praktična znanja neophodna za analizu i sintezu naprednih pristupa u projektovanju, razvoju, i upravljanju bezbednosnim sistema u računarstvu. Znanja o naprednim sistemima zaštite i bezbednosnim rešenjima neophodna za njihovu sintezu i evaluaciju. Ova znanja će poslužiti kao osnova za izradu naučnih radova i kasnije izradu doktorske disertacije.

Primarna funkcija svetlosti i osvetljenja je da omogući optimalnu vizuelnu percepciju scene, odnosno formiranje elektronske slike koja sadrži relevantne informacije o sceni. Razumevanje uticaja procesa formiranja slike i uslova prikazivanja slike i video sadržaja doprinosi optimizaciji softverskih rešenja za integraciju vizuelnih informacija (slika, video) informacija u multimedijalne sisteme.Upoznavanje sa karakteristikama percepcije vizuelnih informacija kao i fizičkim osobinama svetlosti koje utiču na percepciju. Upoznavanje sa optičkim procesima i zakonima koji učestvuju u formiranju elektronske (digitalne) slike.

Cilj kursa je da omogući studentima da steknu teorijska i praktična znanja neophodna za razvoj prototipa iz oblasti mašinstva upotrebom računara kao alata za kreiranje, modifikaciju, analizu i optimizaciju dizajna. Ishod predmeta uključuju kreiranje geometrijskih modela proizvoda sa svim atributima korišćenjem programa SolidWorks i Catia i njihovim modulima, razvoj prototipova u uslovima ograničenja u zahtevima, tehnološkim mogućnostima, i odgovarajućih standarda, primena objektno–orijentisanog modela proizvoda primenom konstrukcionih elemenata (design features) pri projektovanju mašinskih delova, kao i primena konstruisanje mašinskih delova primenom konstrukcionih elemenata (Feature-based part design).

Predmet nudi razumevanje pristupa i metoda za razvoja softverskih sistema i aplikacija za obradu velikih podataka primenom tehnologija semantičkog veba. Teme obuhvaćene ovim predmetom su: W3C standardi za razvoj inovativnih višejezičnih proizvoda i usluga; servisno orijentisane arhitekture i servisi Semantičkog veba; metode veštačke inteligencije u razvoju grafova znanja; ekstrakcija i integracija podataka u cilju stvaranja grafa znanja; upitni jezici i alati za obradu velikih podataka.

Studenti se upoznaju sa ključnim elementima razvoja softvera koji se primenjuje u oblasti biomedicinskog inženjeringa, sa naglaskon na temama kao što su implementacija algorigama za rekonstrukciju 3D modela sa biomedicinskih slika, prepoznavanja objekata i segmentacija, i izrada korisničkih interfejs softvera koji će služiti za generisanje računarskih modela i vizuelizaciju rezultata nakon izvršavanja numeričkih simulacija. Studenti se upoznaju sa softverskim bibliotekama za učitavanje medicinskih slika, prepoznavanje kontura, segmentaciju i rekonstrukciju 2D i 3D modela (triangle, TetGen), softverom PAK za izvršavanje numeričkih simulacija, MFC softverskom bibliotekom za pre- i post- procesiranje rezultata numeričkih proračuna, tj. za vizuelizaciju rezultata primenom softverskih alata za 2D i 3D grafičko prikazivanje.

Kurs izučava napredne tehnike evolucionog računarstva, sa naglaskom na primenu naprednih evolucionih algoritama u cilju pronalaženja optimalnog rešenja različitih problema, ukljućujući kompleksne, multidimenzionalne tj. višekriterijumse probleme i probleme sa specifičnim ograničenjima. Posebna pažnja se posvećuje razumevanju funkcionisanja svakog od izučavanih algoritama, tj. podešavanju sopstvenih parametara sa ciljem pronalaženja globalnog optimuma uz adekvatnu brzinu konvergencije.

Ovaj predmet se bavi teorijom i praksom hardverskih i softverskih sistema primenjenih u auto-industriji. Razmatraju se najnoviji trendovi u arhitekturi i organizaciji ovih sistema, sa posebnim osvrtom na principe distribuiranosti odnosno centralizacije u sklopu jedne od trenutno najdominantnijih paradigmi zvane Zonalna arhitektura. Iščitavaju se najnoviji naučni radovi (akademski i industrijski) vezani za izazove kao što su heterogenost trenutno dostupnih komunikacionih tehnologija (CAN, LIN, FlexRay, Ethernet, PCIe), kompatibilnost različitih standarda i paradigmi arhitekture softvera gde trenutno dominira AUTOSAR, zahtevi za sve bolje performanse komunikacionih tehnologija i protokola novije generacije kao što su SOME/IP, MQTT, DoIP, itd.

Kroz ovaj kurs studenti će savladati razumevanje i modelovanje procesa formiranja slike u digitalnoj kameri i obrade slike u sistemu sa jednom ili više kamera. Biće predstavljeni i objašnjeni svi neophodni koraci prethodne obrade, npr. korekcija neunifornosti senzora, zamena loših piksela, poboljšanje kvaliteta slike, razne vrste filtriranja. Kroz primere u kojima se koriste informacije ekstrakovane iz multimodalnih slika biće predstavljeni algoritmi za obradu slike (stabilizacija slike, fuzija slike i dr.). U okviru praktičnog dela i izrade seminarskog rada, glavni fokus će biti na detekciji i prepoznavanju objekata, sa primerima primene u različitim scenarijima.

Cilj predmeta je upoznavanje sa tehnikama simulacije i optimizacije kompletnih sistema sa ključnom primenom kako u pametnim gradovima, telekomunikacionim sistemima i naprednim sistemima naoružanja i vojne opreme. Ovaj predmet pokriva dizajn aplikacije softvera za simulaciju zasnovanu na jezicima za računarsku simulaciju kao što su MATLAB, Mathematica (Wolfram Language) i Python sa ekstenzijama (NumPy, SciPy, itd.). Pošto simulacije i optimizacija složenih sistema zahtevaju ogromnu računarsku snagu, posebna pažnja se poklanja računarskim akceleratorima kao što su višejezgarni CPU, GPU, FPGA i grid računarstvo.

Upoznavanje studenata sa različitim aspektima primene teorije boja u multimedijalnim sistemima i umetnosti, uključujući sisteme za digitalno formiranje slike. Upoznavanje sa najvažnijim uticajima na percepciju boje, koji postoje u lancu formiranja slike kao što su: spektralna refleksija u sceni, uloga osvetljenja, uticaj senzora slike. Upoznavanje sa mogućnostima primene obrade slike na očuvanje konstantnosti reprodukovanja boje.

Izučavanje metode ispitivanja i optimizacije mašinskih sistema u laboratorijskim i realnim terenskim uslovima ispitivanja. Potrebno je da studenti steknu znanja iz metoda ispitivanja, organizacije ispitivanja, načina obrade rezultata ispitivanja i pisanje izveštaja sa ispitivanja. Ishodi predmeta uključuju razumevanje i primena metoda planiranja eksperimenata, ovladavanje metodima eksperimentalnog ispitivanja mašinskih sistema u laboratorijskim i terenskim uslovima mašinskih sistema, izrada izveštaja sa eksperimentalnih istraživanja sa prikazom i analizom rezultata ispitivanja, kao i ovladavanje primenom softverskih sistemom za eksperimentalno ispitivanje mašinskih sistema, analizu dobijenih rezultata i povezivanja sa sistemima za optimizaciju mašinskih sistema.

Ovaj predmet ima za cilj da omogući studentu definisanje konačne teme doktorske disertacije i izradu detaljnog plana istraživanja u okviru svoje disertacije.

Izučavanje metode ispitivanja i optimizacije mašinskih sistema u laboratorijskim i realnim terenskim uslovima ispitivanja. Potrebno je da studenti steknu znanja iz metoda ispitivanja, organizacije ispitivanja, načina obrade rezultata ispitivanja i pisanje izveštaja sa ispitivanja. Ishodi predmeta uključuju razumevanje i primena metoda planiranja eksperimenata, ovladavanje metodima eksperimentalnog ispitivanja mašinskih sistema u laboratorijskim i terenskim uslovima mašinskih sistema, izrada izveštaja sa eksperimentalnih istraživanja sa prikazom i analizom rezultata ispitivanja, kao i ovladavanje primenom softverskih sistemom za eksperimentalno ispitivanje mašinskih sistema, analizu dobijenih rezultata i povezivanja sa sistemima za optimizaciju mašinskih sistema.

Student daje izveštaj o realizaciji projekta koji obuhvata deo istraživanja planiranih u okviru pripreme svoje disertacije. Takođe, student daje i svoj naučni rad sa prvim rezultatima svojih istraživanja koji treba da izloži deo naučnog doprinosa njegove buduće disertacije. Posle usvajanja rada od strane mentora, rad se daje na objavljivanje međunarodnom časopisu sa SCI/SCIe liste.

U okviru ovog dela izrade doktorske disertacije student istražuje zadati problem u skladu sa postavljenim planom istraživanja i da objavi bar jedan rad u međunarodnom časopisu na SCI listi. Na osnovu sprovedenih istraživanja u skladu sa ranije usvojenim planom, student treba da napiše doktorsku disertaciju. Doktorska disertacija treba da predstavlja izvoran i samostalan naučni rad, koji doprinosi razvoju naučne misli, a koji je po metodologiji obrade i stepenu doprinosa nauci podesan za utvrđivanje sposobnosti kandidata da kao samostalni istraživač deluje u odabranoj naučnoj oblasti. Student treba da objavi najmanje jedan naučni rad u izbornom području u međunarodnom časopisu na SCI listi. To može biti rad koji je poslat na recenziju i objavljivanje, kao rezultat istraživanja u okviru predmeta SE693 Istraživački projekat 3, a može biti i novi rad, koji obuhvata i istraživanja koja su sprovedena i posle slanja prvog rada na objavljivanje. Smatra se da ostvaren željeni ishod ovog predmeta, ako je objavljen ranije poslat prvi rad, a ako je poslat na objavljivanje još jedan ili više radova, prihvata se informacija urednila časopsia da je rad prihvaćen za objavljivanje. Ovi radovi treba da izlože rezultate istraživanja studenta rađenih u okviru pripreme doktorske disertacije i oni treba da jasno prikažu naučni doprinos disertacije u oblasti softverskog inženjerstva, tj. u rešavanju aktuelnog problema (nov model, nova tehnika, nov pristup,…). Bez objavljivanja bar jednog naučnog rada u međunarodnom časopisu na SCI listi, ne može se prihvatiti doktorska disertacija i zakazati njena odbrana.

Uslov za Izradu i odbranu doktorske disertacije je objavljen rad u međunarodnom časopisu na SCI listi, a opciono, i prihvaćen za objavljivanje drugi naučni rad od strane relevantnog međunarodnog časopisa na SCI listi, a urađenog u okviru rada na predmeti SE694 Samostalan istraživački rad na izradi doktorske disertacije. Doktorska disertacija treba da predstavlja izvoran i samostalan naučni rad, koji doprinosi razvoju naučne misli, a koji je po metodologiji obrade i stepenu doprinosa nauci podesan za utvrđivanje sposobnosti kandidata da kao samostalni istraživač deluje u odabranoj naučnoj oblasti.