1 / 21

Univerzitet u Novom Sadu Fakultet tehni čkih nauka Saobraćajni odsek

Univerzitet u Novom Sadu Fakultet tehni čkih nauka Saobraćajni odsek. ELEKTRONSKO UČENJE. Prof. dr Milorad K. Banjanin. UČENJE. PROCES. NE PREDSTAVLJA SAMO SAKUPLJANJE ZNANJA.

gayle
Télécharger la présentation

Univerzitet u Novom Sadu Fakultet tehni čkih nauka Saobraćajni odsek

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Univerzitet u Novom SaduFakultet tehničkih naukaSaobraćajni odsek ELEKTRONSKO UČENJE Prof. dr Milorad K. Banjanin

  2. UČENJE PROCES NE PREDSTAVLJA SAMO SAKUPLJANJE ZNANJA. kojim pojedinac stiče novo znanje, veštine, stavove, iskustva i kontakte sa generisanjem promena u ponašanju, odlučivanju i akcionom delovanju. dinamičkog razvoja kontinuuma znanja, usavršavanja veština, izgrađivanja orijentacije i ponašanja kroz sticanje, primenu i razvoj novog vida znanja i/ili iskustva. PET NIVOA U UČENJU VLADAMO NIVOIMA ZNANJA I SHVATANJA Reorganizovanje već savladanih modela akcija. Ono što smo naučili možemo uspešno implementirati i stvarno primeniti 5. NIVO Zahteva znatno duži periodrefleksijenego samo znanje ili prisećanje 5 RAZVOJ 4. NIVO 4 IMPLEMENTACIJA i PRIMENA 3. NIVO Nаučeni materijal је zaista apsorbovan RAZUMEVANJE-SHVATANJE 3 2. NIVO Shvatamo da ne znamo 2 ZNANJE (Nivo tradicionalnog učenja) 1. NIVO 1 SHATANJE O NEZNANJU TOK ILI KONTINUITET UČENJA DOVODI NAS NA NIVO RAZVOJA

  3. Aspekti kontinuuma znanja i korespodentni tipovi učenja

  4. KOLBOV MODEL UČENJA ODRASLIH proces u kome se znanje kreira transformacijom ISKUSTVA Proces razmišljanja regeneriše znanje koje će se koristiti u interpretaciji iskustva. Iskustvo-mse,iz širokog izbora prethodnih situacija, izgrađuju modeli ponašanja i navike, kao odbrambeni mehanizmi ili rešenja za određenu situaciju. Iskustvo-INTEGRACIJA VIDOVA ZNANJA, VEŠTINA I ORIJENTACIJA koja omogućava da se ista, slična ili analogna problemska situacija determiniše i reši na isti,sličan ili analogan način UČENJE KROZ ISKUSTVO uključuje i apstraktne konceptualizacije U iskustvu su mrežno povezani ili integrisani NAUČENI MODELI VEZAkoje omogućavaju razumljiva objašnjenja za tekuće situacije i njihovo rešavanje pomoću analogije sa “prepoznatim situacijama”. Znanje koje je potpuno shvaćeno i absorbovano se ugrađuje u praksu i sa njim se eksperimentiše u različitim kontekstima‚.

  5. VRSTE UČENJA REAKTIVNO 2 1 PREDIKTIVNO predviđanjem budućnosti bira se bolji radni metod. Razmišlja se kako će se događaji odvijati tako da se može doneti plan buduće akcije. Nakon implementacije, procenjuje se njegova efektivnost. pojedinac ili organizacija uče iz iskustva i procene iskustva. 4 TRANSFORMATIVNO Korišćenje pristupa korena i grana i analiziranje događaja, postavljanje pitanja u vezi sa tim zašto radimo to što radimo. AKCIONO 3 počinje praktičnim problemom. Tipičan proces donošenja odluka je zasnovan na korektivnim merama koje diktiraju trenutni akcioni modeli –učenje sa jednom i sa dve petlje. Akciono učenje se deli na dva sektora – prvo, kada se pronađe rešenje, i drugo, kada se ono primeni. NE ELIMINIŠU UVEK JEDNO DRUGO I MOGU ZAJEDNO DA POSTOJE

  6. INDIVIDUALNI STILOVI UČENJA AKTIVISTI REFLEKTERI TEORETIČARI PRAGMATIČARI Sve aktivnosti centriraju oko sebe. Najbolje uče kroz aktivnost. Najbolje uče iz eksperimenata i kada se suoče sa teškimproblemom ili su uključeni u mnogo akcija. Uče rezonovanjem i izgradnjom logičkih modela. Povlače se i posmatraju iskustva iz raznih perspektiva. Ne odgovaraju na teoretske vežbe, nego traže praktična rešenja. Prilagođavaju i integrišu posmatranja u kompleksne, ali logičke teorije. Sakupljaju podatke i vole dobro da promisle pre nego što donesu zaključak. Na probleme odgovaraju kao “na izazove”, pri čemu donose praktične odluke. PROBLEME REŠAVAJU BRAIN-STORMING-OM. Nastoje da budu analitičari i posvećeni racionalnoj objektivnosti. Slušaju druge pre nego što iznesu svoje stavove. Proveravaju ideje, teorije i tehnike da vide da li rade u praksi. FILOZOFIJA: FILOZOFIJA: FILOZOFIJA: FILOZOFIJA: Uživajuovde i sada i u dominantnosti neposrednim iskustvima. “Uvek postoji bolji način” i “Ako radi, dobro je”. “Sve ću jednom pokušati”. “Biti oprezan”. “Ako je logično, dobro je”. Razmatraju sve moguće uglove i implikacije pre nego što naprave potez. Pristup problemima je konzistentno logičan. Brzo deluju i pouzdano u vezi sa idejama koje ih privlače. Uključuju se u potpunosti i bez sklonosti u novim iskustvima.

  7. ELEKTRONSKO UČENJE • Nove tehnologije podržavaju • kodifikovanjeidistribuciju učenja, • just-in-time učenje,i • e-učenje zaposlenih sa ciljem da se postigne nova individualna kompetentnost za “hvatanje” znanja i dokumentovanje posla, pakovanje sadržaja za različite stilove učenja, kulture i medije. Omogućuju upotrebu raznih zapisa (tekst, audio i video) koji se kombinuju u multimedijalnisadržaj i prezentuju studentu. E-UČENJE U zavisnosti od intenziteta i načina korišćenja ICT-a uobrazovanju razlikujemo nekoliko oblika e-učenja: DEFINICIJA Klasičnanastava- nastava u učionici(engl. face- to-face). Nastavauzpomoć ICT-a - tehnologija u službipoboljšanjaklasičnenastave(engl. ICT supportedteaching and learning). TEHNOLOGIJA OBRAZOVANJE "...korišćenjemultimedijeiInterneta usvrhupoboljšanjakvalitetaučenja - omogućavanjempristupaudaljenim izvorimaiservisima iomogućavanjem saradnje i komunikacije i na daljinu.” Hibridnailimešovitanastava – kombinacijanastave u učionici i nastave uz pomoć tehnologija(engl. hybrid, mixed mode learning). Procesobrazovanjakoji se izvodiuz upotrebunekogoblikainformacionei komunikacione tehnologije, sa ciljem unapređenja kvaliteta toga procesa i kvalitetaishodaobrazovanja. Online nastava - nastava je uz pomoć ICT-a u potpunostiorganizovananadaljinu(engl. fully online).

  8. KARAKTERISTIKE UČENJA TRADICIONALNO UČENJE E-UČENJE Diskusije sa drugim polaznicima kursa Neograničeno ponavljanje gradiva Sertifikat o završenom kursu Trenutna dostupnost rezultata Lokacija za učenje na Internetu Rečnik pojmova i FAQ baza Lista dodatih resursa za učenje Projekti i seminarski radovi Nezavisnost od vremena održavanja nastave Nezavisnost od mesta održavanja nastave Mogućnost samoorganizovanja vremena za učenje “1 na 1” konsultacije sa nastavnikom Tekstovi za čitanje Vežbanja Testovi Tutorijali Tehnička podrška Završni testovi Niski troškovi za korisnika Multimedijalni materijal

  9. Važnu ulogu za postizanje interoperabilnosti između različitih sistema učenja preko Interneta ima servisno orijentisana arhitektura - SOA i tehnologija Web servisa. Nove generacijesistemae-učenjakoristeWeb servisekojimoguobezbeditipodudaranjesadržajaučenjaikontekstakorisnikananačinkojiobezbeđujeprilagođeno, personalizovanoiskustvo.

  10. KONCEPT SERVISNO ORIJENTISANE ARHITEKTURE Servisno orijentisana arhitektura (SOA) Upravlja svim aspektima kreiranja i korišćenja poslovnih procesa upakovanih kao servisi, definiše i priprema IT infrastrukturu koja obezbeđuje različite aplikacije za razmenu podataka bez obzira na operativni sistem i programski jezik koji podržava ove aplikacije. Interoperabilnost se postiže korišćenjem standardnih protokola i otvorenih standarda. SOAP (engl. Simple Object Access Protocol) • Prilikom izgradnje aplikacija, SOA kombinuje labavo povezane i interoperabilneservise kao osnovne gradivne blokove aplikacija. • Menja postojeću arhitekturu višeslojnih aplikacija. • Izlaže funkcije aplikacija u vidu servisa. • Koristi princip raslojavanja. • Uvodi dodatni nivo koji omogućuje integraciju servisa. SOAP je komunikacioni protokol; SOAP služi za komunikaciju između aplikacija; SOAP je format za slanje poruka; SOAP je dizajniran za komunikaciju preko Interneta; SOAP je platformno nezavistan; SOAP je jezično nezavistan; SOAP je baziran na XML-u; SOAP je jednostavan i proširljiv; SOAP dozvoljava pristup između firewall-ova; SOAP će biti razvijen kao W3C standard. WSDL (engl. Web Services Descripcion Language) WSDL je jezik za opisivanje Web servisa. WSDL je pisan u XML-u; WSDL je jedan XML dokument; WSDL je takođe korišćen za lociranje Web servisa; Najznačajnija implementaciona tehnologija za SOA WEB SERVIS Softverska aplikacija koja razmenjuje podatke sa drugim Web zasnovanim aplikacijama. UDDI (engl. Universal Description , Discovery and Integration) UDDI je registrar za čuvanje informacija o Web servisima; UDDI je registar Web servisnih interfejsa opisanih pomoću WSDL-a; UDDI komunicira preko SOAP; UDDI je sagrađen unutar Microsoft.NET platforme. MODELUJE SE KAO E-SERVIS

  11. OSNOVNA OPERACIJA ILI JEDINICA ZADATKA PODRŽANA E-SERVISOM PORUKA - Modelovana je korišćenjem obrasca glava/telo. Omotnica(Anvelopa) Sadrži podatke koji ne čine sam sadržaj poruke, već predstavljaju pomoćna svojstva- opcioni podaci, identifikacija poruke i informacije o rutiranju poruke. Sadrži aktuelnu korisnu nosivost poruke (sam sadržaj ili sadašnje stanje procesiranja) koju poruka treba preneti. Sadržaj je predstavljen XML dokumentom. OBRASCI RAZMENE PORUKA Zahtev-odgovor servisno posrednička platforma za razmenu poruka (ESB) Zahtev-odgovor preko servisnog registra Potpiši-gurni POSREDNIK PORUKA IZMEĐU APLIKACIJA SISTEMA E-UČENJA Ispitaj-odgovori

  12. registrovanjekorisnika, ažuriranjekorisničkih informacija, ažuriranje korisničkog statusa, postavljanje zahteva i instrukcija, učestvovanje u nastavi, pretraživanje i razmenjivanje informacija, primanje informacija i servisa, itd. E-SERVISI U E-UČENJU E-SERVIS Internet-zasnovana aplikacijai servis ponuđen kao pojedinačan proizvodza rešavanje specifičnih poslovnih potreba korisnika, a koji je bešavno integrisan sa (poslovnim ili privatnim) korisničkim procesima. Obavljaodređeneposlove, izvršavazadatkeili upotpunjujetransakcije, uz korišćenje elektronske komunikacije, bez face-to-face susreta između dve strane u transakcijama. AKTIVNOSTI U E-SERVISIMA KARAKTERISTIKE E-SERVISA E-učenjeje proceskojipodrazumevalepezumogućihaktivnosti, odjednostavnogčitanjatekstaka složenijimstrukturamakaošto je audiovizielnapercepcijasadržajailiaktivnoučestvovanje u nastavi, kooperativnoučenje,itd. Zahtevaju informacije kao input, virtuelne su prirode, uključuju korisnike u fazi proizvodnje/isporuke (participacija učesnika na-licu-mesta ). Snabdevanje e-servisima je individualno, po-zahtevu i u realnom vremenu. • nedodirljivost, • vizuelna nevidljivost, • nerazdvojivost, • istovremenost i • varijabilnost Proizvodni procesi e-servisa su personalizovani. U obezbeđivanju e-servisa obuhvaćeni su pojedinci, preduzeća,državne i obrazovne ustanove. Veza proizvodnje i potrošnje dešava se simultano pa se parafraziranje e-servisa vrši u terminima njihovih generičkih ključnih karakteristika: Obimusvojenogznanja je u vezisarazličitimoblicimaprezentracijeobrazovnihsadržajae-učenja.

  13. Naučne i obrazovne institucije, elektronske biblioteke i knjižare su e-servisni provajderi, odnosno logički distributeri ili pristupne tačke za e-servise u e-učenju. Model interakcije e-servisa koristi koncept radnog toka. • E-servis je definisan pomoću: • jezgra(celokupni sadržaj e-servisa kojinastajeizspecifičnihresursaprovajdera), • polja interakcije (skupsposobnosti u kojemsvako s = (c, R, Ps) predstavljakomponentukoja se eksplicitnograničisaulogom R iprimenjujeskupinterakcionihprocesa P). E-servisniresursipredstavljajuučesnike u interakciji Zadvesposobnosti s = (cs, rs, Ps), t = (ct, rt, Pt), interakcioniprocesi e-servisa p1Ps, p2Pt susastavljenioddveaktivnosti a1i a2,gde a1definišeodlazećuinterakciju p1, a a2definišedolazećuinterakciju p2. Sposobnostpoljainterakcijepredstavljaobrascekooperacije učesnika u interakciji.

  14. PORTFOLIO E-SERVISA U E-UČENJU E-MAIL E-knjigamožedabudepriručnikaliikompletankurs, sa kombinacijom grafičkih,audioivideozapisa. Korišćenjemultimedijalnihtehnologijaomogućavaprezentacijuobrazovnogsadržajanadinamičanieksplicitannačin. KOLEKCIJA E-SERVISA DEFINISANA OD STRANE PROVAJDERA Edukativniprogrami se dugokoriste u obrazovanju. Primenjeni u e-učenjudobijajunovidinamičanoblik. Najpoznatijioblik e-učenja. E-KNJIGE EDUKATIVNI PROGRAMI WEB DNEVNIK STRIMING MEDIJI ONLINE KURSEVI Rešenjezastudentekojinisu u mogućnostidaprisustvujunastavi u školskojiliuniverzitetskojučionici. Webstranicakojustudenti samiuređuju. Može seopisatikaodnevnikpojedincailiinteresnegrupe. Najčešće je u formatusaekstenzijom.pdf, alimožedabude.exe ilinekidrugiprepoznatljiv format kaošto je html. U okviru e-učenjaorganizuju se predavanja u formiWebkonferencije(engl. Web-conference), Webprenosa(engl. Webcasts) iliWebseminara (engl. Webinars). Na krajukursapolaže se ispit u obrazovnojinstituciji. Na taj način jeomogućenoda student steknekreditezapoloženepredmeteilidiplomuakopoložisvepropisaneispitenekoguniverziteta. E-kursevi(engl. e-Course) posredstvomspiskaelektronskihadresa (engl. mailing list)predstavljajunajjednostavnijioblikisporučivanjaedukativnogsadržajastudentu. Student ne moradaposećujeWebsajtobrazovneinstitucije, jer je svakorespondencijavezanazae-mail. Materijalineophodnizaodređenikursstižunaelektronskuadresupopotrebi, dnevno, nedeljnoilipoodređenomrasporedu. • omogućuje razumevanje dostupnih e-servisa, • olakšava izbor e-servisaod strane korisnika, • određujekorisnikekoji imaju pravo korišćenja određenog e-servisa. Predstavljainteraktivnurazmenuznanja, komunikacijuizmeđustudenatailiinteresnihgrupa. PAMETNE IGRE U zavisnostiodsoftverakoji je korišćenzarealizaciju e-knjige, postojeopcijezapretraživanjeizazaštitu e-knjigeodkopiranjailištampanja. Praćenjepredavanjailivežbiuživoupotrebomovihmedijaomogućavajustudentudadogađajevezaneza e-učenjepratiiako je dislociran. U formi 3D interaktivnihsimulacija, zabavnihigricailikvizova, plasiraju se vrloozbiljninastavnisadržaji. PosetiocimoguunositisvojekomentaredirektnonaWebstrani, naodređeni link iliposlati e-mail.

  15. ADAPTIVNI SISTEMI E-UČENJA Sistem elektronskog učenja se definiše kao adaptivan, ako je u mogućnosti da: PERSONALIZOVAN SISTEM pored kreiranja personalizovanih sadržaja, sposoban je da obezbedi adaptivno “dostavljanje“ kursa, interakciju, saradnju i podršku zasnovan na hipermedia ili hipertekstu, poseduje validan model korisnika, pratiaktivnosti svojih učesnika, u mogućnosti je da izvrši adaptaciju u skladu sa modelom korisnika (učenika). interpretira njihove zahtevena osnovu oblasno-specifičnih modela, otkriva zahteve i preferencije u skladu sa prethodno uočenim aktivnostima, Sistem elektronskog učenja treba prilagoditi pojedinačnim stilovima učenja precizno ih reprezentujeu povezanim modelima. Felder-Silverman model opisuje svakog studenta u skladu sa četiri dimenzije stila učenja

  16. Specifikacija adaptacijese može posmatrati na različitim nivoima: dizajn, selekcija, struktura procesa prema trenutnom korisniku i kontekstu Nivo Procesa selekcija, dizajn, struktura i prezentacija sadržaja Nivo Materijalia izbor adaptivnih strategija i tehnika na meta-nivou u skladu sa trenutnim kontekstom Meta-nivo: ARHITEKTURA PERSONALIZOVANOG HIPERMEDIA SISTEMA E-UČENJA Osnovni aspekti adaptacije i odgovarajući modeli DOMENSKI MODEL Šta će biti adaptirano i stavljeno na raspolaganje. MODEL KORISNIKA I KONTEKSTUALNI MODEL U skladu sa kojim parametrima se može izvršiti adaptacija. MODEL AKTIVNOSTI I MODEL ADAPTACIJE  Na koji način se može izvršiti adaptacija.

  17. MODEL KORISNIKA DOMENSKI MODEL MODEL ADAPTACIJE MODEL SADRŽAJA MODEL INSTRUKCIJA PRIMENA DATA MINING-A U IZGRADNJI PERSONALIZOVANOG SISTEMA E-UČENJA Usled velike količine podataka koja se generiše u sistemima e-učenja svakodnevno, javlja se PROBLEM ANALIZE PODATAKA. DATA MINING analiza opservacionih setova podataka u cilju pronalaženja neotkrivenih veza isumiranja podataka na sofisticirane načine, razumljive i korisne za vlasnika podataka. Primenom data mininga mogu se vršiti inteligentne analize velikih količina podataka skladištenih u bazi podataka i predložene platforme sistema PERSONALIZOVANOG UČENJA Prikupitilične podatke (godine, pol, mesto rođenja), podaci o stilovima učenja, kaoi veze sa konceptualnim i domenskim modelom (godina studija, prosečna ocena, godina upisa, ocene iz sličnih predmeta) Neophodno je definisati ključne delove i modele u sistemu Oblastikoje se proučavaju -elektronsko poslovanje, internettehnologije, i računarska simulacija. Ovde se odvijaju ključne aktivnosti ucelokupnom procesu izgradnje adaptivnog sistema Pomoću inteligentne analize se povezujuodređeni koncepti i sadržaji sa karakterisitkama studenata, presvega se odnose na STILOVE UČENJA. Uključuje svesadržaje dostupne u okviru kurseva Podrazumevaniz aktivnosti preduzetih na osnovu informacija dobijenih izgradnjom data mining modela.

  18. FAZE U PRIMENI PERSONALIZOVANOG SISTEMA E-UČENJA (6) (4) (1) (2) (7) (5) (3) TESTIRANJE EFEKTIVNOSTI KURSEVA KLASIFIKACIJA NOVIH STUDENATA U DEFINISANE GRUPE (KLASTERE) EKSPLOATACIJA POSTOJEĆIH PODATAKA O STUDENTIMA KORIŠĆENJEM DATA WAREHOUSE, DATA MININGIKLASTEROVANJA ADAPTACIJA KURSEVA U SKLADU SA DEFINISANIM GRUPAMA (KLASTERIMA) UPIS NOVIH STUDENATA I SAKUPLJANJE NOVIH PODATAKA REALIZACIJA KURSEVA DEFINISANJE PROBLEMA E-PERSONALIZACIJE (1) (2) identifikovanje, izvodljivostprimeneposlovneinteligencije –određivanjeinicijalnihciljevapersonalizacije, planiranjearhitekturesistemaelektronskogučenja, definisanjeulogeposlovneinteligencije u razvojuokruženjapersonalizovanogučenja, pretvaranjeciljeva u problemedata mining – a. (7) primenakomponenataposlovneinteligencije u analizipodataka, kreiranjeskladištapodataka, razvoj “ranih” modela data mining - a korišćenjemtehnikaklasterovanja. (3) specifikacijaklastera, podelastudenata u grupepremanjihovimpreferencamaikarakteristikama, adaptacijanačinaorganizovanjakursapostavljanjemzahtevastudenata u centarmodela. organizovanjeiprijemstudenatakojićepohađatikurseve u narednomperiodu, sakupljanjenovihpodataka, da bi se kreiraliprofilistudenata. (4) (6) (5) korišćenjenaprednihmetodaposlovneinteligencijezaklasifikacijustudenata u predefinisanegrupeiz faze 3. nadgledanje, kontrolanačinanakojistudentiprolazekrozkurs, korišćenjemetodaposlovneinteligencijezaizveštavanjeigenerisanjetzv. real-time korekcija. Odnos prema prezentaciji nastavničkog materijala (multimedijalni, pisani, verbalni) ima najveći značaj za klasifikaciju studenata. obuhvata testiranje efektivnosti kurseva, kako kreirani personalizovani modeli funkcionišu, poređenje sa polu ili nepersonalizovanim sistemima, potrebne korekcije, poboljšanje performansi sistema.

  19. Mašinsko učenje (eng. machine learning) predstavlja naučnu disciplinu koja se bavi razvojem algoritama koji omogućuju računaru da uči na osnovu analize postojećih podataka, pri čemu je naglasak na prepoznavanju složenih pravilnosti u podacima i donošenju inteligentnih odluka zasnovanih na njima (Alpaydin, 2004). Pojedini sistemi mašinskog učenja nastoje da eliminišu potrebu za ljudskom intuicijom, dok su drugi orijentisani ka uspostavljanju saradnje čoveka i mašine. Ljudska intuicija ne može u potpunosti biti eliminisana s obzirom da osoba koja razvija sistem specificira u kom obliku će podaci biti predstavljeni i koji će meha-nizmi biti korišćeni za njihovu karakterizaciju. U tom se smislu mašinsko učenje može posmatrati kao pokušaj da se naučni metod delimično automatizuje MAŠINSKO UČENJE nenadgledanoučenje(eng. unsupervised learning), Nadgledano učenje(eng. supervised learning) cilj je otkritiunutrašnjustrukturupodataka, odnosno, načinnjihoveorganizacije zadatak je predvideti vrednost određene funkcije validnog objekta

  20. Kod nadgledanog učenja NU (eng. supervised learning) zadatak je predvideti vrednost određene funkcije validnog objekta nakon što je sistemu predočen izve-stan broj primera za obučavanje (parova ulaznih objekata i njima odgovarajućih izlaza). Kod nenadgledanog učenja NenU(eng. unsupervised learning), cilj je otkriti unutrašnju strukturu podataka, odnosno, način njihove organizacije, pri čemu su na raspolaganju samo podaci bez posebnih oznaka. Pri tomeizlazna funkcija NU može biti kontinualna, kada se radi o regresiji, i diskretna, u kom slučaju se radi o klasifikaciji. Izvođenje zaključaka kod NUna osnovu analize primera za obuku i njihova primena na test-primere naziva se transdukcijom. Primer nenadgledanog učenja predstavljaju algoritmi za grupisanje podataka (eng. clustering). MAŠINSKO UČENJE nenadgledanoučenje(eng. unsupervised learning), Nadgledano učenje(eng. supervised learning) cilj je otkritiunutrašnjustrukturupodataka, odnosno, načinnjihoveorganizacije zadatak je predvideti vrednost određene funkcije validnog objekta

  21. HVALA NA PAŽNJI

More Related