MASTER STUDIJE

Cilj predmeta je upoznavanje studenata sa osnovnim idejama, izazovima, tehnikama, primenama i problemima veštačke inteligencija, a koje se koriste pri razvoju inteligentnih softverskih sistema. Izučavaju se tehnike pretraživanja, predstavljanja znanja, načina rezonovanja i planiranja, kao i osnovne tehnike mašinskog učenja. Studenti će biti u stanju da izaberu tehnike veštačke inteligencije za određenu klasu problema. Po položenom ispitu iz ovog predmeta, student će biti osposobljen da: Rešava probleme vezane za pretraživanje u složenim okruženjima, kao i uslovima ograničenja, razume ulogu logičkih agenata, metode predstavljanja znanja i automatskog planiranja, primeni metode i tehnike predstavljanja neizvesnog znanja i rasuđivanja, neophodnih za donošenje odluka, razume osnovne metode mašinskog učenja, kao što su probalistički modeli i metode dubokog učenja i podržanog učenja.

Primarni cilj predmeta je da pomogne studentima da razviju veštine u projektovanju, razvoju i prihvatanju razumne softverske arhitekture, za sisteme koji intenzivno zahtevaju softver na nivou preduzeća, uzimajući u obzir i funkcionalne i nefunkcionalne zahteve, kao i kontekstualna sistemska okruženja. Osnovne teme uključuju: Pregled arhitekture softvera, mikroarhitektonske šablone (šablone projektovanja) i makroarhitektonske šablone (savremene šablone), arhitekturu orijentisanu na usluge, arhitektonsko modeliranje, gledišta i perspektive, tehnike arhitektonske analize, arhitektonske taktike i neke napredne teme. Kao rezultat završetka predmeta, student će moći da: Jasno definiše arhitektonske probleme u smislu atributa kvaliteta, scenarija, kompromisa, zainteresovanih strana i zabrinutosti; Razume važne arhitektonske modele (npr. višeslojni model, servisno orijentisana arhitektura) zajedno sa njihovim prednostima i nedostacima; Identifikuje arhitektonske taktike relevantne za specifične arhitektonske probleme; Projektuje arhitektonske modele koristeći postojeće arhitektonske šablone; Procenjuje arhitekture u smislu njihovih rizika i kompromisa i koliko dobro ispunjavaju zahteve atributa kvaliteta, kao i koliko dobro rešavaju probleme zainteresovanih strana.

CS565 Mašinsko učenje
Cilj predmeta je da studentima na jednostavan način pomogne u ovladavanju primeni tehnika mašinskog učenja koristeći programski jezik Python i specijalizovanu biblioteku programskih kodova ThensorFlow. Predmet je kreiran za studente koji se bave programiranjem i razvojem softvera, a žele da nauče kako da razvijaju softver sa primenom metoda mašinskog učenja. Zato, predmet ne ulazi dublje u matematičku interpretaciju primenjenih koncepata mašinskog učenja, koja je za njih teža za razumevanje. U prvom delu nastave, fokus je na primeni Python-a, bez korišćenja specijalizovanih biblioteka, što omogućava studentima da bolje razumeju suštinu koncepata metoda mašinskog učenja. U drugom delu se koristi specijalizovana biblioteka TensorFlow, što omogućava brži i lakši razvoj inteligentnih softverskih sistema. Po položenom ispitu iz ovog predmeta, student će biti osposobljen da: Razume kako jednoslojne i višeslojne neuronske mreže rade; Primeni programski jezik Python bez specijalizovanih biblioteka, radi boljeg razumevanja kako neuronske mreže rade, tj. da shvati suštinu metoda učenja i dubokog učenja; Primeni TensorFlow biblioteku kodova u Python-u, u slučaju razvoja složenijih inteligentnih softverskih sistema koji primenjuju jednoslojne ili višeslojne neuronske mreže, a u oblastima klasifikacije slika, detekcije i prepoznavanja lica na slikama, detekcije objekata i poza, obrade prirodnog jezika i u analizi podataka; Vrši izbor tehnika u zavisnosti od vrste, prirode i kompleksnosti realnog problema; Primeni odgovarajuću tehniku koristeći programski jezik Python i TensorFlow biblioteku i tako reši posmatrani problem, odnosno, donese zaključak u vezi posmatrane pojave koji odgovara realnim uslovima u industriji.

CS520 Primenjeno duboko učenje
Razvoj inteligentnih softverskih sistema koji primenjuju modele tzv. dubokog učenja, u poslednje vreme doživljava buran razvoj i primenu u različitim oblastima, kao što su: Vizualno prepoznavanje objekata, obradu prirodnog jezika, obradu informacija u cilju učenja inteligentnog sistema, upravljanje autonomnim vozilima i dr. Cilj ovog predmeta je da upozna studente sa metodama dubokog učenja sa korišćenjem TensorFlow biblioteka Python rutina, čije korišćenje znatno olakšava razumevanje i primenu različitih metoda dubokog učenja, koje se u ovom predmetu izučavaju preko primera. Zbog toga, na minimum je svedeno korišćenje složenog matematičkog aparata, koji se često koristi u udžbenicima i u radovima o dubokom učenju, te je predmet na ovaj način prilagođen potrebama studenata softverskog inženjerstva i IT-a. Po završetku nastave na predmetu, student će moći da: Primenjuje Python i TensorFlow u razvoju inteligentnog softvera koji primenjuje metode dubokog učenja; Razume i koristi metode konvolucionih neuronskih mreža za prepoznavanje objekata, slika i dr; Razume i koristi povratne neuronskih mreža (RNN) i konvolucionih neuronskih mreža (CNN) u cilju obrade i razumevanja prirodnog jezika; Razume i koristi autoenkoder i generativne suparničke mreže (GAN); Razume primenu metoda dubokog učenja, koje se primenjuju u upravljanju autonomnim vozilima.

CS525 Kompjuterski vid
Cilj predmeta je upoznavanje studenata sa principima, načinima implementacije i primenom konvolucionih neuronskih mreža za vizuelno prepoznavanje. Kompjuterska vizija je postala sveprisutna u našem društvu sa aplikacijama za pretraživanje, razumevanje slika, mapiranje, ima primenu u dronovima i autonomnim vozilima. Osnovu ovih primena čine zadaci vizuelnog prepoznavanja kao što su klasifikacija slika, lokalizacija i detekcija. U ovom predmetu će poseban akcenat biti na dubokom učenju za kompjutersku viziju. Studenti će biti osposobljeni da rešavaju probleme vizuelnog prepoznavanja korišćenjem konvolucionih neuronskih mreža u Python programskom jeziku, uz korišćenje biblioteke TensorFlow. Po završetku nastave na predmetu, studenti će moći da: Razumeju, implementiraju i primene konvolucione neuronske mreže za vizuelno prepoznavanje; Razumeju najnovija istraživanja u vizuelnom prepoznavanju i kompjuterskoj viziji; Implementiraju i razvijaju sopstvene neuronske mreže; Razumeju i primenjuju poznata rešenja na probleme kompjuterskog vida u realnom svetu.

CS541 Inteligentni sistemi e-učenja
Cilj predmeta je da osposobi studenta da može da projektuje inteligentni sistem za elektronsko učenje i da može da primeni ovakav sistem u kreiranju svog onlajn predmeta na pogodnoj platformi za e-učenje. Pod inteligentnim sistemom e-učenja se ovde podrazumeva sistem za e-učenje koji je sposoban da se prilagodi specifičnim potrebama i mogućnostima svakog studenta posebno i da na taj način, tj. primenom principa personalizovane nastave, obezbedi njegovo zadovoljstvo i veće efekat nastave, jer se studentu obezbeđuje nastava i učenje ”po njegovoj meri”, tj. u skladu sa njegovim interesovanjem i mogućnostima. Program predmeta obuhvata primenu inteligentnih agenata, a posebno razvoj inteligentnih tutora koji obezbeđuju studentu personalizovane nastavne materijale i odgovarajući stil učenja. Posle uspešnog završetka nastave na ovom predmetu, student će biti osposobljen da: Razume različite metode i tehnike personalizovanog e-učenja; Razvije, uz pomoć odgovarajuće razvojne platforme, prototip sistema za e-učenja koji koristi sistem tutora.

SE520 Primenjeni distribuirani sistemi
Cilj predmeta je obezbeđivanje visokog nivoa razumevanja i primene naprednih koncepata distribuiranih računarskih sistema. Predmet pruža jedan zaokružen niz tematskih sadržaja: Heterogenost, sigurnost, transparentnost, konkurentnost, otpornost na greške; Principi umrežavanja; Protokol zahtev-odgovor; Daljinski pozivi procedura; Distribuirani objekti; Arhitekture srednjeg softvera; Bezbednosni i protokoli za autentifikaciju; Distribuirani sistem datoteka; Usluge imena; Globalna stanja u distribuiranim sistemima; Koordinacija i dogovor; Kontrola transakcija i konkurentnosti; Distribuirane transakcije; Replikacija. Ovi tematski sadržaji predstavlja solidnu osnovu za dalje nadogradnje i primene u skladu sa daljim razvojem primene distribuiranih sistema, koji se konkretnije izučavaju u drugim predmetima studijskog programa. Nakon odslušanog predmeta student: Razume, projektuje i razvija arhitekture osnovnih distribuiranih sistema i aplikacija; Primenjuje osnovne principe razvoja distribuiranih sistema; Razume i koristi objektno-orijentisane distribuirane sistema koji se zasnivaju na primenu tzv. srednjeg softver (middleware) i odgovarajućih tehnoloških platforma, razume, koristi i razvija napredne API servise distribuiranih sistema; Je osposobljen za otkrivanje, balansiranje opterećenja, oporavak od kvarova, metriku i nadgledanje distribuiranih sistema, razume svojstva zajedničkih elemenata koji se koriste pri projektovanju distribuiranih sistema; Razume složenost razvoja distribuiranih sistema, kao što su otkazi računara i mreža, konkurentnost, konsistentno, otkazi, i dr.

SE575 Obezbeđenje kvaliteta softvera
Ovaj predmet se bavi osiguranjem i kontrolom kvaliteta softvera. Predmet uvodi studente u različite alate i tehnike za osiguranje kvaliteta. Cilj ovog predmeta je da studenti shvate da se visoka vrednost kvaliteta softvera ne postiže bez uključivanja i drugih komponenti, kao što su bezbednost, pouzdanost, inspekcija i revizija softvera. Na kraju, razmatraju se i izazovi obezbeđenja kvaliteta softverskih sistema budućnosti, kao što su: Testiranje u digitalnom dobu, testiranje autonomnih sistema, testiranje veštačke inteligencije, testiranje DevOps-a, testeri softvera sledeće generacije, budućnost testiranja i dr. Po završetku nastave na predmetu, studenti će moći da: Razumeju kvalitet softvera, odnosno, kako ga definisati, analizirati i izmeriti; Izaberu odgovarajući analitički alat/tehniku za datu situaciju i da istraže kako da analiziraju rezultate; Razumeju prednosti i slabosti različitih tehnika obezbeđenja kvaliteta, kao što su testiranje softvera, statička analiza, pregled koda i demonstracija; Nauče da prikupljaju, upravljaju i procenjuju metriku kvaliteta; Analiziraju i verifikuju različita svojstva softvera uključujući i bezbednost, pouzdanost i performanse; Steknu iskustvo rada sa stvarnim alatima za osiguranje kvaliteta uključujući alate za statičku analizu, okvire za testiranje softvera i alate za merenje kvaliteta softvera.

SE580 Skalabilni softvereski sistemi
Ovaj predmet pokriva principe projektovanja i strategije potrebne za projektovanje i implementaciju skalabilnih distribuiranih sistema sa intenzivnim podacima. U ovom domenu inženjeri, ne samo da moraju da znaju kako da projektuju sisteme koji su inherentno skalabilni, već da to urade na način koji takođe podržava visoku dostupnost, pouzdanost i performanse. S obzirom na veliku distribuiranu prirodu ovih sistema, osnovni koncepti distribuiranih sistema kao što su doslednost, vreme i sinhronizacija su takođe važni. Ovi sistemi uglavnom rade danonoćno, imaju komponente koje rade na različitim čvorovima i platformama, tako da predmet stavlja naglasak na primenu i operativne probleme. Po završetku nastave na predmetu, studenti će moći da: Primene HTPP servise koji su izvorni u klaudu, sa asinhronom komunikacijom vođenom događajima, i SQL i NoSQL skladištima podataka, kroz izgradnju sistema sa sve većim očekivanjima; Razumeju šta je potrebno za projektovanje sistemskih svojstava u distribuiranim sistemima sa intenzivnim podacima, sa fokusom na interoperabilnost, skalabilnost, dostupnost i pouzdanost, labavo povezivanje, promenljivost i distribuirane podatke, koji su u stanju da međusobno deluju između ovih opcija prilikom primene nekoliko projektantskih šablona i tehnologija; Projektuju i implementiraju skalabilne distribuirane sisteme sa intenzivnim podacima.

SE565 Upravljanje projektom razvoja softvera
Razvoj softvera velikog obima zahteva sposobnost upravljanja resursima (ljudskim i računarskim) kroz kontrolu procesa razvoja. Ovaj predmet je orijentisan na širinu, osmišljen da pomogne tehnički obučenim softverskim inženjerima da steknu znanja i veštine, neophodne za vođenje projektnog tima, razumeju odnos razvoja softvera i celokupnog projektnog inženjeringa, procene vreme i troškove i razumeju softverski proces. Priroda razvoja softvera je dovoljno jedinstvena da zahteva specijalizovane tehnike upravljanja, posebno u oblastima procene i zakazivanja. Specifičnost ovog predmeta je namera da se pored upravljanja projektima koji se razviju klasičnim metodima, tj. upravljani planom, obuhvati i upravljanje projektima koji se razvijaju agilnim metodima. Po završetku nastave na predmetu, studenti će moći da: Analiziraju elemente softverskog projekta da bi izvukli sveobuhvatne ciljeve projekta; Koriste inherentne i izvedene stavke izvučene iz artefakata projekta za kreiranje efektivnih planova projekta; Steknu veštinu primene različitih tehnika upravljanja projektima u kontekstu softverskog projekta.

OM545 Preduzetništvo i inovacije
Stvaranje novih preduzeća, osvajanje novih tržišta, povećanje organizacione efektivnosti dešavaju se kroz inovacije, transformaciju procesa – ili oboje. Nove tehnologije, procesi, konkurencija i globalizacija primoravaju preduzetnike i postojeće firme da se distanciraju od poznatog i neguju inovacije i agilnost. Ovaj predmet ispituje uspešne strategije, poslovne modele, okvire, finansiranje, barijere i rizike za uvođenje inovativnih proizvoda i usluga. Teme uključuju inovacije poslovnog modela, strateško liderstvo, inovacije usmerene na ljude i na dizajn, znanje i upravljanje promenama. Po završetku nastave na predmetu, studenti će moći da: Razviju veštine i uvide za procenu, artikulisanje, usavršavanje i predstavljanje novog proizvoda ili usluge, ili kao početni posao ili kao nova inicijativa u okviru postojeće firme, primene znanje koje je neophodna za primenu nove tehnologije na tržištu.

Cilj ovog predmeta je da omogući studentu da razvije softver u skladu projektnom zadatkom, koji je usaglašen sa predmetima koje je student slušao u prvom semestru. Na ovaj način, student treba da praktično primeni stečena znanja sa razvojem softvera. Moguće je da se projektni zadatak usaglasi i sa završnim radom, a i radom tokom stručne prakse. U tom slučaju, treba da se uzme u obzir projektni zadatak, kojim se definišu ciljevi i opseg projekta razvoja softvera. Po završetku nastave na predmetu, student će moći da pokaže da je osposobljen da razvije softverski sistem u skladu sa dobijenim projektnim zadatkom.

Cilj stručne prakse je da studente pripremi za samostalni istraživački i stručni rad u prepoznavanju i rešavanju konkretnih zadataka iz oblasti studijskog programa, u realnim uslovima prakse i/ili u istraživačkim laboratorijama i centrima. Programski zadaci su orjentisani na uključenje studenata u projekte različitih vrsta, obima i namena, u njihovoj početnoj, razvojnoj ili završnoj fazi. Kroz sagledavanje radne sredine i konkretnih radnih aktivnosti, student treba da stekne nova znanja, sigurnost u radu i mogućnost integrisanja stečenih znanja i veština kroz prethodni studij u obimu od 90 sati. Nakon obavljene stučne prakse, student će steći iskustavo i ovladati veštinama u korišćenju, produbljivanju i obogaćivanju stečenih teorijskih i praktičnih znanja, radi prepoznavanja i rešavanja konkretnih pitanja i zadataka, koji se pojavljuju u realnom sistemu.