PREZENTAREA PROGRAMULUI DE STUDII Justificarea...

4

2. PREZENTAREA PROGRAMULUI DE STUDII

2.1 Justificarea programului de studii

Pentru optimizarea programelor evaluate periodic de c tre ARACIS, s-a decis în cadrul Consiliului facult ii restructurarea lor i organizarea unui master de ”Inteligență Artificială” în limba englez . Programul se integreaz în ciclul programelor de master în limba englez pe care Facultatea de Matematic şi Informatic a Universit ii din Bucure ti î i propune s le dezvolte începând cu anul universitar 2018-2019. Planul de înv mânt al anului I con ine 4 discipline, considerate fundamentale, preg titoare pentru cursurile ulterioare din cadrul acestui program. Totodat , planul de înv mânt al anului I con ine alte 2 discipline, considerate de specialitate. Planul de înv mânt al anului II con ine 5 discipline, considerate de specialitate, care ofer studen ilor o preg tire complex i interdisciplinar . Programa fiec rui an este completat de cursuri op ionale. Lista cursurilor op ionale va fi actualizat anual în func ie de dinamica domeniului, de programele masterelor existente în facultate i de interac iunea cu firmele interesate s ofere în cadrul masterului cursuri de specialitate.

Având o estimare a pie ei de 70 de miliarde de dolari pân în 2020, inteligen a artificial va avea un impact care va produce schimb ri majore în rândul consumatorilor, întreprinderilor i organiza iilor guvernamentale din întreaga lume. În ciuda unor obstacole care înc trebuie dep ite, cercet torii din mediul academic precum i angaja ii companiilor din industrie recunosc poten ialul incontestabil al inteligen ei artificial pentru aportul pe care îl poate aduce în descoperiri medicale, reducerea costurilor serviciilor, înlocuirea oamenilor în locurile de munc riscante / medii toxic, vehicule autonome, îmbun t irea serviciilor de asisten , etc. Inteligen a artificial are posibilitatea s creeze o lume în care capabilit ile umane sunt amplificate de sisteme inteligente care ajut oamenii s proceseze, s analizeze i s evalueze cantit ile foarte mari de date care se produc zilnic prin intermediul Internet-ului i nu numai. Acest lucru permite cercet torilor, i în general oamenilor, s abordeze noi direc ii care implic gândirea i creativitatea la un nivel mai ridicat, fapt ce conduce la evolu ia societ ii i a bun st rii economice. Pentru a permite aceast dezvoltare a întregii societ i, este necesar instruirea i preg tirea unui num r mare de speciali ti în domeniul inteligen ei artificiale.

Programul ofer o introducere în domeniul inteligen ei artificiale, dar în acela i timp, se pune accentul pe dezvoltarea abilit ilor practice necesare speciali tilor în domeniul inteligen ei artificiale. Combinarea cuno tin elor teoretice despre inteligen artificial cu no iuni aplicative în diverse subdomenii ale inteligen ei artificiale, precum vederea artificial , procesarea limbajului natural sau reg sirea informa iei, vizeaz formarea unor speciali ti flexibili care s poat înfrunta u or provoc rile care apar în cele mai variate paradigme practice, indiferent de platforma folosit , limbajul de programare, precum i de resursele hardware. Programul de master ofer oportunit i persoanelor care doresc s se specializeze în inteligen artificial i în subdomenii precum vederea artificial sau procesarea limbajului natural, contribuind la satisfacerea nevoii stringente de profesioni ti din domeniul inteligen ei artificiale.

5

2.1.1 Misiunea i obiectivele programului de studii Acest program de master, prin direc iile sale, cumuleaz atributele unui program tiin ific, de cercetare, cu cele ale unui master profesional.

Pe plan tiin ific, studen ii î i vor crea un fundament teoretic solid, vor face cuno tin cu domenii de actualitate ale inteligen ei artificiale, vor aprofunda cuno tin ele care sunt prezente la nivel introductiv în programele de licen . Astfel, 4 dintre cursurile propuse au un caracter teoretic, dintre care 1 cu caracter general, celelalte 3 urm rind s ilustreze modul în care no iunile teoretice pot fi utilizate în diverse subdomenii precum programare probabilist , reprezentarea cuno tin elor i rezolvarea problemelor prin algoritmi de c utare. În partea practic , studen ilor li se propun 4 cursuri ce abordeaz principalele subdomenii din domeniul inteligen ei artificiale, incluzând procesarea limbajului natural i vederea artificial . Tot în partea practic , programul de master prevede 1 curs care permite studierea subdomeniilor de interes în inteligen artificial la ora actual . Complementar, programa propune cursuri op ionale, acestea fiind predate în cadrul celorlalte mastere ale facult ii. Totodat , ne propunem s stabilim leg turi cu firme de specialitate care s contribuie la diversificarea ofertei de cursuri op ionale.

Misiunea programului este de a forma speciali ti cu o preg tire vast , care dispun de cuno tin e temeinice în domeniul inteligen ei artificial , dar care au i capacitatea de a recepta i integra în activitatea lor cele mai recente dezvolt ri în domeniu. Ca obiective programul de studii î i propune dezvoltarea abilit ilor de a modela, implementa i evalua sisteme de inteligen artificial , a deprinderilor de utilizare corect a tehnicilor din inteligen artificial , a capacit ilor de a identifica problemele practice care pot fi rezolvate cu tehnici de inteligen artificial , de a proiecta i implementa sisteme optime pentru rezolvarea problemelor practice rezolvabile folosind inteligen a artificial . Nu în ultimul rând, dorim ca o parte dintre absolven ii acestui program s î i continue preg tirea în cadrul studiilor doctorale.

2.1.2 Utilitatea Inteligen ei Artificiale pentru dezvoltarea cunoa terii în domenii tiin ifice

prioritare, noi i modernizarea unor domenii de importan incontestabil oarecum neglijate Inteligen a artificial , ca domeniu tiin ific prioritar, sufer de o penurie accentuat de speciali ti i cercet tori, fapt datorat i num rului insuficient de programe de preg tire avansat . Prin competen ele dobândite, absolven ii masterului de inteligen artificial se formeaz atât ca profesioni ti cu abilit i practice, cât i ca cercet tori în domeniul inteligen ei artificiale precum i în domeniile conexe. Astfel, câteva din domeniile tiin ifice în care absolven ii masterului de inteligen artificial pot aduce contribu ii sunt:

• înv are automat , • vedere artificial , • procesarea limbajului natural, • reg sirea informa iei, • reprezentarea cuno tin elor, • programare probabilist .

6

2.1.3 Utilitatea pentru diferite activit i economice, sociale, culturale etc.

Num rul companiilor care investesc în partea de cercetare i dezvoltare a crescut în ultimii ani. Atât segmentul companiilor mari, cât şi cel al companiilor de tip start-up sunt în plin efervescen şi ofer proiecte şi oportunit i extrem de interesante. Una dintre cele mai importante direc ii de viitor const în dezvoltarea de produse i sisteme care au la baz componente de inteligen artificial . Într-adev r, inteligen a artificial are o importan crucial pentru viitorul apropiat, având un impact din ce în ce mai mare în rândul societ ii. Un progres tehnologic foarte rapid poate distrage aten ia de la rigurozitatea aspectelor teoretice ale inteligen ei artificiale, ceea ce permite lansarea de produse i servicii vulnerabile, insuficient de performante, ce ulterior pot conduce la situa ii nepl cute (de exemplu, un autovehicul autonom care produce un accident din cauza func ion rii incorecte al unui sistem de vedere artificial ) sau pot fi exploatate de c tre utilizatorii r u inten iona i (de exemplu, folosind exemple adversariale). Vorbim despre accidente sau atacuri asupra consumatorilor sau companiilor. Pentru evitarea acestor situa ii, oportunit ile din industria IT trebuie sus inute prin racordarea programelor educa ionale la cerin ele actuale ale pie ei muncii. În acest sens, programul de master în inteligen artificial urm re te s preg teasc speciali ti capabili s r spund noilor cerin e i direc ii din industria IT.

2.1.4 Utilitatea pentru preg tirea de speciali ti ap i s r spund cerin elor de dezvoltare a

activit ilor de cercetare ştiin ific , economice, sociale, culturale etc. Educarea utilizatorilor i cuno tin ele lor pe probleme de inteligen artificial , sau lipsa acestora, reprezint unul dintre cele mai mari obstacole în calea implement rii sistemelor de inteligen artificial . În acest context, programul de master de inteligen artificial î i propune s instruiasc viitori speciali ti în domeniul inteligen ei artificiale care s aplice corect tehnicile din domeniu studiat. Formarea speciali tilor ar trebui s fac parte din orice plan de inteligen artificial . Ar trebui s fie obligatorie pentru noii angaja i i repetat , la intervale regulate, pentru a acoperi noile amenin ri care apar. Pentru studen ii interesa i s aib un impact pozitiv asupra industriei, inteligen a artificial este o carier excelent de urmat. Din ce în ce mai multe companii IT realizeaz c inteligen a artificial va avea un rol important în modelarea societ ii în viitor. Ob inerea unei diplome de master în inteligen artificial poate oferi studen ilor un important avantaj competitiv în industria IT. În plus, prin caracterul interdisciplinar al programei, absolven ii masterului de inteligen artificial dobândesc baze solide pentru dezvoltarea unei cariere academice.

2.1.5 Men ionarea ocupa iilor COR vizate sau a celor propuse (care nu sunt înc înscrise în COR, dar se reg sesc în OIM - ISCO)

Ocupa ii posibile (Cod COR):

• cercet tor în informatic (214917)

• proiectant sisteme informatice (251101)

• consultant în informatic (251901)

Possible occupations (COR Code):

• Research in Computer Science (214917)

• IT System Designer (251101)

• IT Consultant (251901)

16

Plan de înv mânt UNIVERSITATEA DIN BUCUREŞTI FACULTATEA DE MATEMATIC Domeniul de încadrare a programului de studii: Informatică Titlul programului de studii: Inteligență Artificială / Artificial Intelligence Tipul programului de studii: Zi

Durata programului de studii - 4 semestre / 130 ECTS

Anul universitar 2018-2019 (anul I) – 60 ECTS Nr.

crt. Cursuri obligatorii

Semestrul I (14 s pt.) Semestrul II (14 s pt.) C S/L E/V ECTS C S/L E/V ECTS

1 Ob.11 Înv are automata aplicat Practical Machine Learning

2 1 V 6 - - - -

2 Ob.12 Programare probabilist Probabilistic Programming

2 1 E 6 - - - -

3 Ob.13 Reprezentarea cuno tin elor i inferen Knowledge representations and reasoning

2 1 E 6 - - - -

4 Ob.14 Curs optional

Optional Course

2 1 E 6 - - - -

5 Ob.15 Practic /Practical Training - 2 V 6 - - - -

6 Ob.21 Înv are automat Advanced machine learning

- - - - 2 1 E 6

7 Ob.22 Vedere Artificial Computer Vision

- - - - 2 1 E 6

8 Ob.23 Procesarea limbajului natural 1

Natural language processing 1

- - - - 2 1 E 6

9 Ob.24 Curs optional

Optional Course

2 1 E 6

10 Ob.25 Practic / Practical Training - - - - - 2 V 6

TOTAL 8 6 3E

2V 30 8 6

4E

1V 30

C = curs; S/L = seminar/laborator; Ob.xx = obligatoriu; Op.xx = op ional; EV=evaluare; E = examen; V = verificare; ECTS = num r de credite europene transferabile;

17

Anul universitar 2019-2020 (anul II) – 60 ECTS Nr.

crt. Cursuri obligatorii şi op ionale Semestrul I (14 s pt.) Semestrul II (10 s pt.)

C S/L EV ECTS C S/L EV ECTS

1 Ob.31 Metode de înv are deep Deep learning

2 1 V 6 - - - -

2 Ob.32 Reg sirea informa iei i analiza textului Information Retrieval and Text Mining

2 1 E 6 - - - -

3

Ob.33 Procesarea limbajului natural 2

Natural language processing 2

2 1 E 6 - - - -

4

Op.34 Curs optional

Optional Course

2 1 E 6 - - - -

5 Op.35 Preg tirea lucr rii de diserta ie Dissertation Research Project

- 2 V 6 - - - -

6 Op.41 Rezolvarea problemelor prin algoritmi de c utare Problem solving and search

- - - - 2 1 E 6

7 Op.42 Topici speciale în Inteligen a Artificial Special topics in Artificial Intelligence

- - - - 1 2 E 6

8 Op.43 Curs optional

Optional Course

- - - - 2 1 E 6

9 Op.44 Preg tirea lucr rii de diserta ie Dissertation Research Project

- - - - - 7 V 12

TOTAL 8 6 3E

2V 30 5 11

3E

1V 30

Sus inerea lucr rii de diserta ie – 10 ECTS

C = curs; S/L = seminar/laborator; Ob.xx = obligatoriu; Op.xx = op ional; EV=evaluare; E = examen; V = verificare; ECTS = num r de credite europene transferabile;

NB1. Ultimele două săptămâni din semestrul IV (săptămânile 11 și 12) vor fi dedicate finalizării lucrării de disertație, fiind normate cu 14 ore fiecare săptămână.

NB2. Numărul total de ore de curs: semestrul 1: 8 * 14 = 112 ore, semestrul 2: 8 * 14 = 112 ore, semestrul 3: 8 * 14 = 112 ore, semestrul 4: 5 *10 = 50 ore. Total ore de curs: 386 ore.

Numărul total de ore de seminar/laborator/practică/pregătire lucrare de disertație: semestrul 1: 6 * 14 = 84 ore, semestrul 2: 6 * 14 = 84 ore, semestrul 3: 6 14 = 84 ore, semestrul 4: 11*10 + 2*14 (vezi NB1) = 138 ore.

Total ore de curs: 390 ore.

Raportul dintre numărul orelor de curs și cele aplicative (seminarii, laboratoare, practică, pregătirea lucrării de disertație) din toți anii de studii:

386/390= 0,989

18

Alegerea cursurilor op ionale Cursurile op ionale vor fi alese dintre cursurile obligatorii ale celorlalte programe de master ale Facult ii de Matematic i Informatic sau din cursuri inute de firmele de specialitate.

Selec ia de mai jos este orientativ , lista cursurilor op ionale pentru fiecare semestru va fi stabilit anual, pe baza cursurilor existente i a op iunilor studen ilor.

1. Pentru alegerea cursului op ional Op.14 din semestrul I, fiecare student prezint op iunea sa nominalizând, în ordinea descresc toare a preferin elor sale, dintr-o list de cursuri op ionale, printre care:

a) Advanced Data Structures

b) Exploratory Data Analysis

sau alte cursuri din planul de înv mânt al celorlalte mastere din facultate.

2. Pentru alegerea cursului op ional Op.24 din semestrul II, fiecare student prezint op iunea sa nominalizând, în ordinea descresc toare a preferin elor sale, dintr-o list de cursuri op ionale, printre care:

a) Statistics for Data Science

b) Big Data


3. Pentru alegerea cursului op ional Op.34 din semestrul III, fiecare student prezint op iunea sa nominalizând, în ordinea descresc toare a preferin elor sale, dintr-o list de cursuri op ionale, printre care:

a) Parallel and Distributed Algorithms

b) Cloud Computing


4. Pentru alegerea cursului op ional Op.43 din semestrul IV, fiecare student prezint op iunea sa nominalizând, în ordinea descresc toare a preferin elor sale, dintr-o list de cursuri op ionale, printre care:

a) Information Visualization

b) Machine Translation


19

FI ELE DISCIPLINELOR FIŞA DISCIPLINEI

COURSE SYLLABUS

1. DATE DESPRE PROGRAM PROGRAM IDENTIFICATION DETAILS

1.1 Institu ia de înv mânt superior Higher education institution

UNIVERSITATEA DIN BUCUREŞTI UNIVERSITY OF BUCHAREST

1.2 Facultatea Faculty

FACULTATEA DE MATEMATIC ŞI INFORMATIC FACULTY OF MATHEMATICS AND COMPUTER SCIENCE

1.3 Departamentul Department

DEPARTAMENTUL DE INFORMATIC DEPARTMENT OF COMPUTER SCIENCE

1.4 Domeniul de studii Field of studies

INFORMATIC COMPUTER SCIENCE

1.5 Ciclul de studii Cycle of studies (degree)

MASTER MASTER

1.6 Programul de studii / calificarea Degree program / qualification

INTELIGEN ARTIFICIAL ARTIFICIAL INTELLIGENCE

1.7 Forma de înv mânt Mode of study

ZI FULL-TIME

1.8 Limba de predare Language of teaching

ENGLEZ ENGLISH

2. DATE DESPRE DISCIPLIN COURSE IDENTIFICATION DETAILS

2.1. Denumirea disciplinei Course title

ÎNV ARE AUTOMAT APLICAT PRACTICAL MACHINE LEARNING

2.2. Titularul activit ilor de curs Course instructor

Conferen iar Dr. Radu Tudor Ionescu PhD Associate Professor Radu Tudor Ionescu

2.3. Titularul activit ilor de seminar / laborator / proiect Seminar instructor/Teaching assistant

Conferen iar Dr. Radu Tudor Ionescu PhD Associate Professor Radu Tudor Ionescu

2.4. Anul de studiu Year

I

2.5. Semestrul Semester

I

2.6. Tipul de evaluare Type of evaluation

V

2.7. Regimul disciplinei Course type

Con inut 2) Content

DF

Obligativitate 3) Compulsorines

s

DI

3. TIMPUL TOTAL ESTIMAT (ORE PE SEMESTRU) AL ACTIVIT ILOR DIDACTICE ESTIMATED WORKLOAD (HOURS/SEMESTER)

3.1 Num r de ore pe s pt mân Number of teaching hours/week 3

din care of

which

3.2 Curs Course 2

3.3 Seminar Seminar 1

3.4 Total ore din planul de înv mânt Total number of teaching hours within the program 42

din care of

which

3.5 Curs Course 28


3.7 Total ore studiu individual Student workload for individual

study

138 3.8 Total ore pe semestru Total student workload /

semester

180 3.9 Num r de credite ECTS

6

DIS

TRIB

UIA

F

ON

DU

LU

I D

E

TIM

P

DIS

TR

IBU

TIO

N

Studiu dup manual, suport de curs, bibliografie şi noti e Individual study of texbooks, handbooks/reader, bibliography and notes

50

Documentare suplimentar în bibliotec , pe platformele electronice de specialitate şi pe teren Additional research (library, electronic resources, potential fieldwork)

34

Preg tire seminarii, teme, referate, portofolii şi eseuri Homework (preparing seminar presentations, portfolios, critical essays, research papers etc.)

50

20

Tutoriat (op ional) Individual consultations (optional)

Examin ri Evaluations / exams

4

Alte activit i Other activities

4. PRECONDI II PRECONDITIONS

4.1 De curriculum Curriculum-related

4.2 De competen e Skills-related

Competen e de programare Programming skills

5. CONDI II CONDITIONS

5.1 De desf şurare a cursului For running the course

Cursul se va desf ura într-o sala cu calculator i videoproiector. The lecture will be held in a room with a computer and a videoprojector.

5.2 De desf şurare a seminarului For running the seminar

Seminarul se va desf ura într-o sal de laborator dotat cu calculatoare ce au instalat python i libr riile numpy i scikit-learn. The seminar will be held in a laboratory room with computers, all which have

python, numpy and scikit-learn installed.

6. COMPETEN E SPECIFICE ACUMULATE ACQUIRED SKILLS

6.1 Competen e profesionale Professional skills

• Cunoa terea conceptelor de baz i a paradigmelor de înv are automat .

• Studiul principalelor metode de clasificare supervizat i nesupervizat . • Studiul principiilor de evaluare pentru utilizarea corect i eficient a

metodelor de clasificare studiate. • Antrenarea, testarea i utilizarea metodelor studiate pentru rezolvarea

problemelor practice. • Cunoa terea conceptelor de baz despre limbajul python i lucrul cu

libr riile numpy i scikit-learn. • Dezvoltarea capacit ii de abordare principial a problemelor practice

din domeniu. • Learn the basic concepts and the paradigms of machine learning. • Study the main supervised and unsupervised classification methods. • Study the evaluation principles for the correct and efficient utilization of the

studied classification methods.

• Train, test and utilize the studied methods to solve practical problems. • Learn the basic concepts about python and working with numpy and scikit-

learn.

• Develop the ability to tackle practical problems based on correct principles. 6.2 Competen e transversale Cross-cutting skills

• Dezvoltarea gândirii critice; dezvoltarea capacit ii de a citi, în elege i prelucra materialele literaturii de specialitate, atât în limba român , cât i în limba englez .

• Stimularea gândirii analitice i sintetice; formarea abilit ilor de cercet tor.

• Documentarea judicioas pentru abordarea unor teme i probleme concrete.

• Capacitatea de a identifica, în elege, aplica i dezvolta materiale corespunz toare bibliografiei cursului, pentru referate i proiecte.

• Capacitatea de a redacta si prezenta referate i proiecte. • Constituirea echipei de cercetare; organizarea activit ilor de

cercetare/proiectare în proiecte realizate în echip . Desf şurarea eficient i eficace a activit ilor organizate în echip .

• Manifestarea unor atitudini responsabile fa de domeniul ştiin ific, pentru valorificarea optim şi creativ a propriului poten ial în

21

cercetare, cu respectarea principiilor şi a normelor de etic a cercet rii şi de etic profesional , în general.

• Development of critical thinking; development of the capacity to read, understand and process the information in the literature of the field, both in

Romanian and in English.

• Stimulation of analytic and synthetic thinking; formation of research abilities. • Judiciously acquiring the necessary documentation for approaching specific

topics and problems.

• Developing the capacity to identify, understand, apply and develop the appropriate course references for usage within papers and projects.

• Developing the capacity to write and to present papers and projects. • Building the research team; organizing research/development activities within

team projects. Efficient and efficacious progress of group

research/development activities.

• Having a responsible attitude towards the scientific domain, for the creative and optimal exploitation of one’s own research potential, while following all principles and norms of research ethics and of professional ethics, in general.

7. OBIECTIVELE DISCIPLINEI COURSE GOAL & OBJECTIVES

7.1 Obiectivul general al disciplinei Course goal

• Familiarizarea studen ilor cu principalele tehnici de înv are automat i utilizarea lor în rezolvarea problemelor practice.

• Getting to know the main machine learning techniques and learning to use them to solve practical problems.

7.2 Obiective specifice Course objectives

• În elegerea conceptelor de baz din domeniul înv rii automate. • Distingerea între diversele paradigme ale înv rii automate. • În elegerea tipurilor de probleme care pot fi rezolvate cu metode de

înv are automata. • Dezvoltarea capacit ii de alegere i utilizare corect a metodelor de

înv are în diferite probleme reale. • Understand the main concepts in the field of machine learning. • Learn to distinguish between the machine learning paradigms. • Understand the type of problems that can be solved with machine learning

methods.

• Develop the capacity to make informed choices about the machine learning methods to be used in various practical problems.

8. CON INUTURI CONTENT

8.1. Curs Course

Metode de predare Teaching methods

Observa ii Remarks

1. Concepte de baz i paradigme ale înv rii automate. 1. Main concepts and paradigms of machine learning.

Prelegere pe baza unor slide-uri Lecture based on slides

Explica ia Explanation

Descrierea i exemplificarea Description and

exemplification

Resurse folosite: - videoproiector - calculator - tabl de scris

Required resources:

- videoprojector

- computer

- chalkboard

2. Evaluarea performan ei metodelor de înv are automat . 2. Performance evaluation of machine learning models.

3. Metode de înv are supervizat : metoda celor mai apropia i vecini, clasificatorul cu vectori support, regresia liniar , metode nucleu, re ele neuronale de tip feedforward, arbori de decizie. 3. Supervised machine learning methods: k-nearest

neighbors, Support Vector Machines, linear regression,

kernel methods, feedforward neural networks, decision

trees.

4. Metode de înv are nesupervizate: clusterizarea k-means, analiza în componente principale, clusterizarea ierarhic , re ele neuronale cu auto-organizare. 4. Unsupervised machine learning methods: k-means

22

clustering, Principal Component Analysis, Hierarchical

Clustering, Self-Organizing Maps.

5. Tehnici de evitare a supra-înv rii: opriprea timpurie, regularizare, cros-validare. 5. Techniques to avoid overfitting: early stopping,

regularization, cross-validation.

6. Ansamble de modele i random forests. 6. Ensemble learning and random forests.

7. Metode de extragere a tr s turilor. Reprezentarea sub form de colec ie de cuvinte (în imagini i text). 7. Feature extraction. Bag-of-words representation in

text and image processing.

8. Studiu de caz: clasificarea imaginilor folosind diverse modele de înv are automat . 8. Case study: image classification using various

machine learning models.

9. Studiu de caz: clasificarea textelor folosind diverse modele de înv are automat . 9. Case study: text classification using various machine

learning models.

Bibliografie/ Bibliography:

[1] Aurelien Geron. Hands-on Machine Learning with Scikit Learn and TensorFlow. Concepts, Tools, and Techniques

for Building Intelligent Systems. O’Reilly, 2016.

[2] Trevor Hastie, Robert Tibshirani, Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference,

and Prediction. Second Edition. Springer, 2009.

[3] Radu Tudor Ionescu, Marius Popescu. Knowledge Transfer between Computer Vision and Text Mining. Similarity-

based Learning Approaches. Springer, 2016.

[4] John Shawe-Taylor, Nello Cristianini. Kernel Methods for Pattern Analysis. Cambridge University Press, 2004.

[5] Vladimir Vapnik. The Nature of Statistical Learning Theory. Second Edition. Springer, 2000.

8.2. Seminar [temele dezb tute în cadrul seminariilor]

Metode de predare-înv are Teaching and learning

methods

Observa ii Remarks

Bibliografie/ Bibliography: 8.3. Laborator [temele de laborator, proiecte etc, conform calendarului disciplinei] Laboratory [laboratory themes, projects, etc., according

to the discipline calendar]


methods

Observa ii Remarks

1. Introducere în Python. 2. Utilizarea func iilor din libr riile numpy i scikit-learn. 3. Rezolvarea unor problem practice (recunoa terea caracterelor optice, clasificarea textelor dup opinie sau dup categorie, clasificarea imaginilor, etc.) utilizând practicile i metodele de înv are automat predate la curs. 1. Introduction to Python.

2. Use the functions defined in numpy and scikit-learn.

3. Solve practical problems (optical character

recognition, text classification by category or sentiment,

image classification, etc.) using the practices and the

methods studied during the courses.

Teme de laborator i proiecte individuale sau de grup. Homework and individual /

group project.

Aceast activitate ajut la în elegerea tipurile de probleme care se pot aborda cu metode de înv are automata i la modul de rezolvare al acestor probleme prin aplicarea conceptelor i a celor mai bune practice prezentate la curs. This activity helps to

students to understand the

type of problems that can be

solved with machine

learning methods and how to

solve such problems by

23

applying the concepts and

best practices studied during

the courses.

Bibliografie/ Bibliography: [1] Aurelien Geron. Hands-on Machine Learning with

Scikit Learn and TensorFlow. Concepts, Tools, and

Techniques for Building Intelligent Systems. O’Reilly, 2016.

[2] https://www.python.org

[3] http://www.numpy.org

[4] http://scikit-learn.org/stable/

8.4. Proiect [doar pentru disciplinele la care exista proiect semestrial normat in planul de invatamant] Project [only for disciplines that have a project in the

curriculum]


methods

Observa ii Remarks


9. SCURT DESCRIERE* BRIEF DESCRIPTION*

* COROBORAREA CON INUTURILOR DISCIPLINEI CU AŞTEPT RILE REPREZENTAN ILOR COMUNIT II EPISTEMICE, ASOCIA IILOR PROFESIONALE ŞI ANGAJATORI REPREZENTATIVI DIN DOMENIUL AFERENT PROGRAMULUI / CORRELATION BETWEEN THE CONTENT OF THE COURSE AND THE NEEDS/EXPECTATIONS OF THE EPISTEMIC COMMUNITY,

PROFESSIONAL ASSOCIATION S AND/OR SIGNIFICANT EMPLOYERS RELEVANT FOR THE

PROGRAM

No iunile introduse în acest curs dezvolt capacitatea de analiz a problemelor de înv are automat i de aplicare a celor mai bune practici i a celor mai potrivite metode pentru rezolvarea acestor probleme. Cursul este în principal axat pe punerea în practic a no iunilor teoretice dintr-un subdomeniu important al inteligen ei artificiale, cel al înv rii automate. Cursul î i propune s dezvolte i aptitudini de cercetare i inovare, preg tind candida ii atât în vederea continu rii studiilor cu un program doctoral cât i în vederea angaj rii ca membri în departamentele de cercetare ale companiilor din domeniul informaticii. The concepts presented in this course are aimed at developing both the capacity to analyze machine learning problems

from the right perspective and the ability to apply the best practices and choose the suitable method to solve these

problems. The course is mainly focused on putting into practice the theoretical concepts of an important field of

artificial intelligence, namely machine learning. The course aims to develop the research and innovation abilities of the

students, preparing them for both academia (they can pursue a doctoral program in the field) and industry (they can find

employment in the R&D departments of computer science companies).

10. EVALUARE EVALUATION

Tip activitate Actitity

10.1 Criterii de evaluare Evaluation criteria

10.2 Metode de evaluare Evaluation methods

10.3 Pondere din nota final Per cent of

final grade 10.4. Curs Course

Evaluare final Final evaluation

Lucrare scris Paper test

50%

https://www.python.org/http://www.numpy.org/http://scikit-learn.org/stable/

24

10.5.1. Seminar Seminar

10.5.2. Laborator Laboratory

Abilitatea de a pune în practic metodele de înv are automata predate la curs The ability to use the studied

methods machine learning methods

in practice

Temelor de laborator i proiect individual sau de grup Homework and individual/group

project.

50%

10.5.3. Proiect [doar pentru disciplinele la care exista proiect semestrial normat in planul de invatamant] Project [only for disciplines

that have a project in the

curriculum]

10.6. 10.4 Standard minim de performan : Nota final 5 (cinci) Threshold for the acquisition of the ECTS credits: Final grade 5 (five) STUDENTS SHOULD BE AWARE OF THE DEPARTMENT’S POLICY OF ACADEMIC INTEGRITY: cheating, falsification, forgery, multiple submission, plagiarism, complicity and computer misuse will automatically trigger a

failing grade for the respective course. According to the provisions of the Charter of the University of Bucharest,

students found guilty of plagiarism can be expelled from the University without the right to appeal.

Data complet rii

Date of completion

01.02.2018

Coordonator de disciplin

Discipline supervisor

Conf. Dr. Radu Tudor Ionescu

Tutore de disciplin

Discipline tutor

Conf. Dr. Radu Tudor Ionescu

Data aviz rii în departament

Date of notice

.......................

Director de departament

Department director

Prof. Dr. Alin tef nescu

Not : 1) Regimul disciplinei (con inut) - pentru nivelul de licenţă se alege una din variantele: DF (disciplin

fundamental ) / DD (disciplin din domeniu) / DS (disciplin de specialitate) / DC (disciplin complementar ).

2) Regimul disciplinei (obligativitate) - se alege una din variantele: DI (disciplin obligatorie) / DO

(disciplin op ional ) / DFac (disciplin facultativ ).

3) SI – studiu individual; TC – teme de control; AA – activit i asistate; SF – seminar fa în fa ; L –

activit i de laborator; P – proiect, lucr ri practice.

25

FIŞA DISCIPLINEI COURSE SYLLABUS











MASTER MASTER


Inteligen Artificial Artificial intelligence


ZI FULL-TIME


ENGLEZ ENGLISH



Programare probabilist Probabilistic Programming


Conferen iar Dr. Marius Popescu PhD Associate Professor Marius Popescu


Conferen iar Dr. Marius Popescu PhD Associate Professor Marius Popescu


I


I


E


Con inut 2) Content

DF


s

DI



din care of

which

3.2 Curs Course 2



din care of

which

3.5 Curs Course 28



study

138

3.8 Total ore pe semestru Total student workload /

semester

180

3.9 Num r de credite ECTS

6

DIS

TRIB

UIA

F

ON

DU

LU

I D

E T

IMP

DIS

TR

IBU

TIO

N O

F

IND

IVID

UA

L S

TU

DY


50


34


50


Examin ri 4

26

Evaluations / exams





Cuno tin e de programare Programming skills



Sal cu proiector Classroom with a projector


Seminarul se va desf ura într-o sal de laborator dotat cu calculatorare. The seminar will be held in a laboratory room with computers.



• Capacitatea de a utiliza un sistem de programarea probabilist (PyMC, Edward)

• Ability of using a probabilistic programming framework (PyMC, Edward) • Utilizarea program rii probabiliste pentru construc ia de modele

probabiliste ale unor fenomene, estimarea parametrilor unui model (pornind de la date), critica modelului

• Using probabilistic programming for building a probabilistic model of a phenomenon, inferring the model parameters given the model and the data,

criticizing the model

6.2 Competen e transversale Cross-cutting skills

• Dezvoltarea gândirii critice; dezvoltarea capacit ii de a citi, în elege i prelucra materialele literaturii de specialitate.

• Development of critical thinking; development of the capacity to read, understand and process the information in the literature of the field.


• Stimulation of analytic and synthetic thinking; formation of research abilities.

• Constituirea echipei de cercetare; organizarea activit ilor de cercetare/proiectare în proiecte realizate în echip . Desf şurarea eficient i eficace a activit ilor organizate în echip .

• Building the research team; organizing research/development activities within team projects. Efficient and efficacious progress of group


• Capacitatea de a redacta si prezenta referate i proiecte. • Developing the capacity to write and to present papers and projects. • Documentarea judicioas pentru abordarea unor teme i probleme

concrete. • Judiciously acquiring the necessary documentation for approaching specific


• Manifestarea unor atitudini responsabile fa de domeniul ştiin ific, pentru valorificarea optim şi creativ a propriului poten ial în cercetare, cu respectarea principiilor şi a normelor de etic a cercet rii şi de etic profesional , in general.


27



• Introducerea în Programarea Probabilist , o paradigm de programare care pune la dispozi ie un limbaj bazat pe variabile aleatoare şi structuri de control stohastice pentru a construi o clas larg de modele probabiliste

• Introduction to Probabilistic Programming, a programming paradigm that provides a language based on random variables and stochastic control flow to

construct a broad class of probabilistic models


• Ȋn elegerea conceptelor şi mecanismelor de baz ale program rii probabiliste

• Understanding of the basic concepts and mechanisms of the probabilistic programming

• Utilizarea program rii probabiliste pentru construc ia de modele probabiliste ale unor fenomene, estimarea parametrilor unui model (pornind de la date), critica modelului

• Using probabilistic programming for building a probabilistic model of a phenomenon, inferring the model parameters given the model and the data,

criticizing the model


8.1. Curs Course


Observa ii Remarks

Conceptele şi mecanismele de baz ale program rii probabiliste: variabile aleatoare şi structuri de control stohastice The basic concepts and mechanisms of the probabilistic

programming: random variables and stochastic control

flow

Prezentarea bazat pe slide-uri Explica ia Descrierea i exemplificarea Presentation based on slides

Explanation

Description and

exemplification

Construc ia de modele probabiliste folosind programarea probabilist : probabilitate apriori, probabilitate condi ionat , probabilitate comun Building probabilistic models using probabilistic

programming: prior probability, conditional probability,

joint probability

Construc ia de modele probabiliste folosind programarea probabilist : rela ia p rinte fiu, modele grafice orientate Building probabilistic models using probabilistic

programming: parent and child relationships, directed

graphical models Simularea modelelor folosind programarea probabilist Simulation modeling using probabilistic programming

Includera de observa ii în model Including observations in the model

Inferen a bazat pe un model: inferen a varia ional , metoda monte carlo bazat pe lan uri markov, algoritmi de transmitere a mesajelor Model based inference: variational inference, markov

chain monte carlo, message passing algorithms

Critica modelului: evaluare punctual , verificarea predic iilor aposteriori Criticizing the model: point-based evaluations, posterior

predictive checks

Bibliografie/ Bibliography: Cameron Davidson-Pilon, Bayesian Methods for Hackers: Probabilistic Programming and Bayesian Inference, Addison-Wesley Professional, 2015

28

Daphne Koller, Nir Friedman, Probabilistic Graphical Models: Principles and Techniques - Adaptive Computation and Machine Learning, MIT Press, 2009 8.2. Seminar [temele dezb tute în cadrul seminariilor]


methods

Observa ii Remarks




methods

Observa ii Remarks

Implementarea conceptelor şi tehnicilor prezentate în cadrul cursului folosind bibliotecile software PyMC şi/sau Edward Implementation of the concepts and techniques

presented in the course using the libraries PyMC and/or

Edward

Studiul de caz Proiecte individuale i/sau de Grup Case study

Individual projects and/or

team projects

Studen ii pot alege dintr-o list prestabilit de proiecte sau pot veni cu propriile propuneri Students may choose a

project from a list of

suggested projects or

propose one of their own

ideas.

Bibliografie/ Bibliography: Documenta ia PyMC / PyMC documentation: https://github.com/pymc-devs/pymc

Documenta ia Edward / Edward documentation: http://edwardlib.org/


curriculum]


methods

Observa ii Remarks





PROGRAM

No iunile introduse în acest curs vor dezvolta capacitatea de analiz i de sintez a studen ilor, contribuind astfel la formarea abilit ilor de cercetare i inovare ale acestora. Programarea probabilist s-a bucurat în ultimii ani de un interes crescut în domeniul inteligen ei artificiale. Obiectivele cursului sunt acelea de în elegere a conceptelor şi mecanismelor de baz ale program rii probabiliste i utilizarea acestora pentru construc ia de modele probabiliste, preg tind astfel cursan ii pentru pia a muncii. Oferind deasemenea acces la dezvolt ri i tendin e actuale – teoretice i practice – cursul preg te te candida i care pot urma programe doctorale i care pot deveni membri ai departamentelor de cercetare ale firmelor din domeniu.

The concepts brought in by this course will develop student capabilities of analysis and synthesis, thus contributing to

the formation of their research and innovation abilities. Probabilistic programming has seen growing interest within

Artificial Intelligence over the last years. The course objectives are the understanding of the basic concepts and

29

mechanisms of the probabilistic programming and using probabilistic programming for building a probabilistic model

of a phenomenon, thus preparing the students for the labor market. The course also gives access to current trends in the

field, of both theoretical and practical nature. It prepares students for future doctoral programs, but also for becoming

members of the research departments of companies in the field.


Tip activitate Activity





Evaluare final i pe parcurs Intermediate and final evaluation

Lucrare scris Written exam

30%



Evaluarea proiectelor Projects evaluation

Prezentare în fa a colegilor Class presentation of projects

70%



curriculum]

10.6. 10.4 Standard minim de performan : Nota finala 5 (cinci) Threshold for the acquisition of the ECTS credits: Final grade 5 (five) STUDENTS SHOULD BE AWARE OF THE DEPARTMENT’S POLICY OF ACADEMIC INTEGRITY: cheating, falsification, forgery, multiple submission, plagiarism, complicity and computer misuse will automatically trigger a



Data complet rii

Date of completion

01.02.2018



Conf. Dr. Marius Popescu

Tutore de disciplin

Discipline tutor



Date of notice

.......................


Department director


30







31












MASTER MASTER




ZI FULL-TIME


ENGLEZ ENGLISH



Reprezentarea cunoştin elor şi inferen Knowledge Representation and Reasoning


Lector Dr. Marina Cidot PhD Lecturer Marina Cidot


Lector Dr. Marina Cidot PhD Lecturer Marina Cidot


I


I


E


Con inut 2) Content

DF


s

DI



din care of

which

3.2 Curs Course 2



din care of

which

3.5 Curs Course 28



study

138


semester

180


6

DIS

TRIB

UIA

F

ON

DU

LU

I D

E T

IMP

DIS

TR

IBU

TIO

N O

F

IND

IVID

UA

L S

TU

DY


50


34


50


Examin ri 4

32

Evaluations / exams





Cuno tin e de programare Programming skills





Seminarul se va desf ura într-o sal de laborator dotat cu calculatorare. The seminar will be held in a laboratory room with computers.



• Capacitatea de a utiliza cȃteva limbaje formale de reprezentare a cunoştin elor i de a dezvolta proceduri de inferen care s fie effective în diferite situa ii

• Ability of using some formal knowledge representation languages and developing reasoning procedures that are effective for various tasks

• Capacitatea de a proiecta sisteme de inferen care s in cont de constrȃngerile de timp i resurse dictate de o aplica ie

• Ability of building reasoning systems that operate within the time and resource constraints of the applications that need them


• Dezvoltarea gândirii critice; dezvoltarea capacit ii de a citi, în elege i prelucra materialele literaturii de specialitate.

• Development of critical thinking; development of the capacity to read, understand and process the information in the literature of the field.


• Stimulation of analytic and synthetic thinking; formation of research abilities. • Constituirea echipei de cercetare; organizarea activit ilor de




• Capacitatea de a redacta si prezenta referate i proiecte. • Developing the capacity to write and to present papers and projects. • Documentarea judicioas pentru abordarea unor teme i probleme

concrete. • Judiciously acquiring the necessary documentation for approaching specific


• Manifestarea unor atitudini responsabile fa de domeniul ştiin ific, pentru valorificarea optim şi creativ a propriului poten ial în cercetare, cu respectarea principiilor şi a normelor de etic a cercet rii şi de etic profesional , in general.



33


• Familiarizarea cu domeniul reprezent rii cunoştin elor şi inferen ei, un subdomeniu al inteligen ei artificiale care priveşte modul în care cunoştin ele pot fi reprezentate simbolic şi manipulate automat de programe capabile de inferen

• Getting acquainted with the field of knowledge representation and reasoning, the area of Artificial Intelligence concerned with how knowledge can be

represented symbolically and manipulated in an automated way by reasoning

programs


• Ȋn elegerea conceptelor şi mecanismelor de baz ale reprezent rii cunoştin elor şi inferen ei, în special a interdependen ei dintre reprezentare şi inferen

• Understanding of the basic concepts and mechanisms of the knowledge representation and reasoning, especially the interplay between representation

and reasoning

• Ȋn elegerea modului în care pot fi reprezentate cunoştin ele cȃt mai comprehensiv posibil, permi ȃnd totodat un ra ionamet efectiv asupra lor

• Understanding how knowledge can at the same time be represented as comprehensively as possible and be reasoned with as effectively as possible


8.1. Curs Course


Observa ii Remarks

Conceptele de baz : cunoştin e, reprezentare şi inferen The Key Concepts: Knowledge, Representation, and

Reasoning


Explanation

Description and

exemplification

Ingineria cunoştin elor bazat pe logica de ordinul întâi Knowledge Engineering Based on the First-Order Logic

Sisteme de producîie şi reguli Production Systems and Rules Reprezentarea orientat pe obiecte: cadre Object-Oriented Representation: Frames

Re ele semantice şi ontologii Semantic networks and Ontologies

Inferen a bazat pe informa ie implicit Reasoning with Default Information

Cunoştin e incerte şi inferen : Re ele Bayesiene Uncertain Knowledge and Reasoning: Bayesian

Networks

Bibliografie/ Bibliography: Stuart Russell, Peter Norvig, Artificial Intelligence: A Modern Approach, Third Edition, Prentice Hall, 2010. Ron Brachman, Hector Levesque, Knowledge Representation and Reasoning, Morgan Kaufmann, 2004 8.2. Seminar [temele dezb tute în cadrul seminariilor]


methods

Observa ii Remarks




methods

Observa ii Remarks

Implementarea conceptelor şi tehnicilor prezentate Studiul de caz Studen ii pot alege dintr-o

34

în cadrul cursului Implementation of the concepts and techniques

presented in the course

Proiecte individuale i/sau de Grup Case study

Individual projects and/or

team projects

list prestabilit de proiecte sau pot veni cu propriile propuneri Students may choose a

project from a list of

suggested projects or

propose one of their own

ideas.



curriculum]


methods

Observa ii Remarks





PROGRAM

No iunile introduse în acest curs vor dezvolta capacitatea de analiz i de sintez a studen ilor, contribuind astfel la formarea abilit ilor de cercetare i inovare ale acestora. Ele vor conduce la o mai bun i profund în elegere a problemelor legate de Reprezentarea cunoştin elor şi inferen , dezvoltând capacitatea de a concepe i implementa sisteme de inferen care s fie effective în diferite situa ii, preg tind astfel cursan ii pentru pia a

muncii. Oferind deasemenea acces la dezvolt ri i tendin e actuale – teoretice i practice – cursul preg te te candida i care pot urma programe doctorale i care pot deveni membri ai departamentelor de cercetare ale firmelor din domeniu.

The concepts brought in by this course will develop student capabilities of analysis and synthesis, thus contributing to

the formation of their research and innovation abilities. They will lead to a better and more profound understanding of

knowledge representation and reasoning issues, while developing the capacity to conceive and to implement reasoning

systems that are effective for various tasks, thus preparing the students for the labor market. The course also gives

access to current trends in the field, of both theoretical and practical nature. It prepares students for future doctoral

programs, but also for becoming members of the research departments of companies in the field.


Tip activitate Activity





Evaluare final i pe parcurs Intermediate and final evaluation

Lucrare scris Written exam

50%


35


Evaluarea proiectelor Projects evaluation

Prezentare în fa a colegilor Class presentation of projects

50%



curriculum]




Data complet rii

Date of completion

01.02.2018



Lector Dr. Marina Cidot

Tutore de disciplin

Discipline tutor

Lector Dr. Marina Cidot


Date of notice

.......................


Department director








36



1.1 Institu ia de înv mânt superior Institution of higher education









MASTER MASTER


INTELIGEN ARTIFICIAL ARTIFICIAL INTELLIGENCE


ZI FULL-TIME


ENGLEZ ENGLISH



Practica Practical Training



Conf. Dr. Marius Popescu Conf. Dr. Radu Ionescu Conf. Dr. Marina Cidot


I


I


V


Con inut 2) Content

DD


s

DI



din care of

which

3.2 Curs Course 0



din care of

which

3.5 Curs Course 0



study

152


semester

180


6

DIS

TRIB

UIA

F

ON

DU

LU

I D

E T

IMP

DIS

TR

IBU

TIO

N O

F

IND

IVID

UA

L S

TU

DY


20


48


80


Examin ri 4

37

Evaluations / exams




Cursurile din programa de licenta, domeniul Informatica Undergraduate courses in computer science


Cunostinte de programare, capacitate de analiza si sinteza General programming knowledge, analytical and problem-solving skills




Laborator de informatic cu videoproiector Computer room with projector



• Capacitatea de a realiza un proiect complex. • Capacitatea de a citi si analiza un articol de cercetare. • The ability to write a complex project. • The ability to read and present a research paper.


• Utilizarea eficient a surselor informa ionale şi a resurselor de comunicare şi formare profesional .

• Capacitatea de a citi si prelucra materiale profesionale atat in limba romana cat si in limba engleza.

• Capacitate de a redacta si prezenta proiecte. • Desf şurarea eficient i eficace a activit ilor organizate în echip . • Effective use of information resources; proper use of communication and

training resources.

• The ability to read and process professional materials both in Romanian and English.

• The ability to write and present projects. • Efficient and effective organization of team activities.



În cadrul acestei discipline studen ii vor putea opta între dezvoltarea unei aplica ii practice i realizarea unei cercet ri teoretice. Obiectivul disciplinei este de a dezvolta capacitatea de munc independent , capacitatea de comunicare a rezultateor ob inute, de analizare a metodelor i instrumentelor specifice, de orientare în vederea dezvolt rii profesionale ulterioare. Within this discipline, students will be able to choose between developing a

practical application and conducting a theoretical research. The objective of the

discipline is to develop independent work capacity, the ability to communicate the

obtained results, to analyze the specific methods and instruments, and to guide

them for further professional development.


Studen ii cu aptitudini aplicative vor realiza un proiect, individual sau în echip . Studen ii cu aptitudini teoretice vor citi i prezenta articole de cercetare i vor realiza un raport tiin ific. Students with applied skills will develop a project, individually or in a team.

Students with theoretical skills will read and present research articles and will

produce a scientific report.

38


8.1. Curs Course


Observa ii Remarks

Bibliografie/ Bibliography: 8.2. Seminar [temele dezb tute în cadrul seminariilor]


methods

Observa ii Remarks




methods

Observa ii Remarks



curriculum]

În cadrul acestei discipline studen ii vor putea alege între o dezvoltare teoretic i una aplicat . Proiectele practice vor putea fi realizate în cadrul unei firme de specialitate sau într-un cadru organizat în facultate. Pentru realizarea proiectele teoretice studen ii vor participa la un seminar de cercetare, în cadul c ruia vor citi i analiza cercet ri recente în domeniile masterului. Within this discipline students will be able to choose

between a theoretical and an applied development.

Practical projects can be carried out within a specialized

firm or in an organized university. For the theoretical

projects students will participate in a research seminar,

within which they will read and analyze recent

researches in the fields of the master.

Teme individuale i/sau de grup. Group and/or individual

homeworks.

Observa ii Remarks

Bibliografie/ Bibliography: Bibliografia va fi individual , stabilit de profesorii care vor superviza activitatea. The bibliography will be individual, set by the teachers who will supervise the activity.




PROGRAM

Aceasta activitate va dezvolta atat aptitudinile practice, cat si capacitatea de analiz a studen ilor, conducand la o mai bun i profund în elegere a problemelor legate de inteligen artificial .

39

This activity will develop both the practical skills and the student's ability to analyze, leading to a better and deeper

understanding of artificial intelligence issues.


Tip activitate Actitity









curriculum]

Se va evalua atât rezultatul final (proiect/referat) cât i activitatea desf urat de student pe tot parcursul semestrului. Both the final result (project /

referral) and the student's activity

throughout the semester will be

evaluated.

Prezentarea proiectului sau a raportului tiin ific. Presentation of the project or

scientific report.

100%




Data complet rii

Date of completion

01.02.2018

Coordonator de disciplin Discipline supervisor


Conf. Dr. Radu Ionescu

Conf. Dr. Marina Cidot

Tutore de disciplin Discipline tutor


Conf. Dr. Radu Ionescu

Conf. Dr. Marina Cidot


Date of notice

.......................


Department director


40







41












MASTER MASTER




ZI FULL-TIME


ENGLEZ ENGLISH



Înv are automat Advanced Machine Learning


Conferen iar Dr. Bogdan Alexe PhD Associate Professor Bogdan Alexe


Conferen iar Dr. Bogdan Alexe PhD Associate Professor Bogdan Alexe


I


II


E


Con inut 2) Content

DF


s

DI



din care of

which

3.2 Curs Course 2



din care of

which

3.5 Curs Course 28



study

138 3.8 Total ore pe semestru Total student workload /

semester

180 3.9 Num r de credite ECTS

6

DIS

TRIB

UIA

F

ON

DU

LU

I D

E T

IMP

DIS

TR

IBU

TIO

N O

F

IND

IVID

UA

L S

TU

DY


50


34


50


Examin ri 4

42

Evaluations / exams




Cursurile: Courses: Practical Machine Learning


Cuno tin e de programare, Teoria Probabilit ilor, Statistic , Algebr liniar Programming skills, Probability Theory, Statistics, Linear Algebra





Seminarul se va desf ura într-o sal de laborator dotat cu calculatoare. The seminar will be held in a laboratory room with computers.



• Aprofundarea teoretic i practic a conceptelor de baz i a paradigmelor de înv are automata, cu accent pe înv area supervizat i nesupervizat .

• Studiul conceptelor de baz din teoria înv rii statistice. • Dezvoltarea capacit ii de abordare principial a problemelor practice

din domeniu prin identificarea solu iilor din punct de vedere teoretic specifice fiec rui tip de problem .

• Theoretical and practical deepening of the basic concepts and the paradigms in machine learning.

• Study of the basic concepts in statistical learning theory. • Develop the ability to tackle practical problems based on correct principles by

identifying the best applicable solution for specific types of problem.


• Dezvoltarea gândirii critice; dezvoltarea capacit ii de a citi, în elege i prelucra materialele literaturii de specialitate, atât în limba român , cât i în limba englez .


• Documentarea judicioas pentru abordarea unor teme i probleme concrete.

• Capacitatea de a identifica, în elege, aplica i dezvolta materiale corespunz toare bibliografiei cursului, pentru referate i proiecte.

• Capacitatea de a redacta si prezenta referate i proiecte. • Constituirea echipei de cercetare; organizarea activit ilor de


• Manifestarea unor atitudini responsabile fa de domeniul ştiin ific, pentru valorificarea optim şi creativ a propriului poten ial în cercetare, cu respectarea principiilor şi a normelor de etic a cercet rii şi de etic profesional , în general.

• Development of critical thinking; development of the capacity to read, understand and process the information in the literature of the field, both in

Romanian and in English.

• Stimulation of analytic and synthetic thinking; formation of research abilities. • Judiciously acquiring the necessary documentation for approaching specific


• Developing the capacity to identify, understand, apply and develop the appropriate course references for usage within papers and projects.

• Developing the capacity to write and to present papers and projects.

43






• Furnizarea intui iei din spatele metodelor de înv are automat precum i a unui suport teoretic formalizat pentru a în elege cum, de ce i când

aceste metode func ioneaz . • Providing the intuition behind various machine learning methods as well as a

bit more formal understanding of how, why and when they work


• Aprofundarea teoretic a diverselor metode de înv are automat . • Dezvoltarea din punct de vedere teoretic i practic a capacit ii de

alegere i utilizare corect a metodelor de înv are în diferite probleme reale.

• Theoretical deepening of the various machine learning methods • Developing from both theoretical and practical point of view of the capacity

to make informed choices about the machine learning methods to be used in

various real problems


8.1. Curs Course


Observa ii Remarks

1. Introducere – formalizarea problemelor din domeniul Înv rii Automate: privire de ansamblu, înv are supervizat (clasificare, regresie), înv area nesupervizat , înv are semi-supervizat , înv are ranforsat , alte scenarii. Introduction – formalizing Machine Learning problems: overview, supervised learning (classification, regression)

unsupervised learning, semi-supervised learning,

reinforcement learning, other scenarios.

Metode de înv are supervizat Supervised learning methods

2. Dimensiunea Vapnik-Chernovenkis (VC). Supervised Learning Background Vapnik-Chervonenkis

(VC) Dimension. PAC learning.

3. Regresia logistic . Perceptronul. Distribu ii de probabilitate exponen iale. Logistic regression. Perceptron. Exponential family.

4. Algoritmi de înv are generativi. Analiza discriminant Gaussian . Metoda naïve Bayes. Generative learning algorithms. Gaussian discriminant

analysis. Naive Bayes.

5. Boosting. Boosting.

6. Optimizare convex Convex optimization.

7. Ma ini cu vectori suport. Support vector machines.

8. Compromisul deplasare/varian . Bias/variance tradeoff.

9. Selec ia modelului i a caracteristicilor. Model selection and feature selection.

10. Arhitectura re elelor neuronale, propagarea


Explanation

Description and

exemplification

44

înainte i înapoi. Neural Network architecture, Forward/Back

propagation.

Metode de învățare nesupervizată Unsupervised learning methods

11. Clusterizarea. Algoritmul K-means. Clustering. K-means.

12. Algoritmul EM. Mixtura de Gaussiene. EM. Mixture of Gaussians.

13. Analiz factorial Factor analysis.

14. PCA (analiza componentelor principale) PCA (Principal components analysis).

15. ICA (analiza componentelor independente) ICA (Independent components analysis).

Bibliografie/ Bibliography: [1] Shai Shalev-Shwartz, Shai Ben-David. Understanding machine learning – from theory to algorithms. Cambridge Univ. Press, 2014.

[2] Mehryar Mohri, Afshin Rostamizadeh, Ameet Talwalkar. Foundations of Machine Learning. The MIT Press, 2012.

[3] Trevor Hastie, Robert Tibshirani, Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference,

and Prediction. Second Edition. Springer, 2009.

[4] Cristopher Bishop. “Pattern recognition and machine learning”, Springer Verlag New York, 2006

[5] Vladimir Vapnik. The Nature of Statistical Learning Theory. Second Edition. Springer, 2000.

8.2. Seminar [temele dezb tute în cadrul seminariilor]


methods

Observa ii Remarks

Bibliografie/ Bibliography: 8.3. Laborator [temele de laborator, proiecte etc, conform calendarului disciplinei] În cadrul laboratorului vor fi exemplificate aplica ii ale no iunilor de la curs. Studiu de caz: aplicarea diverselor metode de înv are automat în domeniul vederii artificiale, spre exemplu aplicarea algoritmului boosting la detectarea facial .


methods

Studiul de caz,

Observa ii Remarks



curriculum]


methods

Observa ii Remarks



* COROBORAREA CON INUTURILOR DISCIPLINEI CU AŞTEPT RILE REPREZENTAN ILOR COMUNIT II EPISTEMICE, ASOCIA IILOR PROFESIONALE ŞI ANGAJATORI

45

REPREZENTATIVI DIN DOMENIUL AFERENT PROGRAMULUI / CORRELATION BETWEEN THE CONTENT OF THE COURSE AND THE NEEDS/EXPECTATIONS OF THE EPISTEMIC COMMUNITY,


PROGRAM

No iunile prezentate în acest curs dezvolt capacitatea de analiz a problemelor de înv are automat i de aplicare a celor mai potrivite metode pentru rezolvarea acestor probleme. Cursul este în principal axat pe în elegerea no iunilor teoretice i a intui iei ce stau în spatele diverselor metode de înv re automat . Cursul î i propune s dezvolte i aptitudini de cercetare i inovare, preg tind candida ii atât în vederea continu rii studiilor cu un program doctoral cât i în vederea angaj rii ca membri în departamentele de cercetare ale companiilor din domeniul informaticii. The concepts presented in this course are aimed at developing both the capacity to analyze machine learning problems

from the right perspective and the ability to choose the suitable method to solve these problems. The course is mainly

focused on understandi

PREZENTAREA PROGRAMULUI DE STUDII Justificarea...

Documents

Transcript of PREZENTAREA PROGRAMULUI DE STUDII Justificarea...