PLAN RADA SEMINARA ZA APRIL 2023. GODINE
Predavanja na seminaru mogu se pratiti na daljinu preko linka
https://miteam.mi.sanu.ac.rs/asset/YoqHWKALRkRTbK9So.
Registracija za on-line praćenje predavanja na Seminaru je na linku
https://miteam.mi.sanu.ac.rs/asset/xzGqvSp7aWbg8WpYX.
Utorak, 04.04.2023. u 14:15, Knez Mihailova 36, sala 301f i
Online
Uroš Maleš, Faculty of Electrical Engineering, University of Belgrade
LEVERAGING PROBLEM UNDERSTANDING AND MACHINE LEARNING FOR BETTER SOLUTIONS: P||Cmax DIFFICULTY ESTIMATION AND TOXICITY PREDICTION CASE STUDIES
Machine learning (ML) has emerged as a popular Artificial Intelligence (AI) technique in various scientific fields. However, the human factor remains essential in coordinating and optimizing ML models. Researchers explore the a priori knowledge that is gained through systematic use of logic and understanding of the underlying problem. We would like to present two different case studies that illustrate how ML and our understanding of underlying problems complement each other, leading to improved solutions. In the first case study we were trying to understand the difficulty two optimization algorithms have to solve P||Cmax variant of the scheduling problem. For the first algorithm (ArcFlow) we demonstrated how simple observations, made on the underlying problem, lead to a more accurate ML model. As for the second algorithm (GIST), we injected our a priori knowledge through additional feature obtained by a more sophisticated search. This resulted again in a higher predictive power of a model. The second case study focused on Toxicity Prediction using the 'Ames' dataset. We conducted a rigorous feature selection process after domain knowledge was added. That resulted in a model with significantly fewer features than in the-state-of-the-art research studies that is characterised also by the improved accuracy. The reduced number of features in the resulting model can provide valuable insights and guide domain experts in investigating relevant factors for toxicity prediction.
The first case study is a joint work with Tatjana Jakšić-Krüger, Tatjana Davidović, Dušan Ramljak, Dragutin Ostojić, and Abhay Haridas. The collaborators for the second case study are Dušan Ramljak, Branislav Stanković, and Ranojoy Deb.
Utorak, 11.04.2023. u 14:15, Knez Mihailova 36, sala 301f i
Online
Nikola Zornić, Fakultet organizacionih nauka
METODOLOŠKI OKVIR ZA INTEGRACIJU ALGORITAMA MAŠINSKOG UČENJA U MODELE SIMULACIJE ZASNOVANE NA AGENTIMA
Modeliranje i simulacija zasnovani na agentima je jedan od novijih pristupa u računarskoj simulaciji. Ovaj vid simulacije se najčešće koristi za predstavljanje kompleksnih sistema i zasnovan je na autonomnim agentima i njihovim međusobnim interakcijama. Podaci su nam sve dostupniji, što treba iskoristiti i prilikom izgradnje modela. Korišćenjem istorijskih podataka moguće je naučiti algoritme mašinskog učenja i koristiti ih za novo donošenje odluka. Ovim algoritmima je moguće zameniti tradicionalno korišćenu funkciju korisnosti, a koja u modele unosi određeni nivo subjektivnosti i umanjuje verodostojnost modela. Korišćenjem hibridnog pristupa i integracijom algoritama mašinskog učenja u modele simulacije zasnovane na agentima povećava se nivo kvaliteta odlučivanja agenata u međusobnim interakcijama.
Utorak, 25.04.2023. u 14:15,
Online
Marija Šegan-Radonjić, Milan Todorović, Maja Novaković, Matematički institut SANU, Beograd
DOSTUPNOST I OTVORENOST PODATAKA O ARHEOLOŠKOM NASLEĐU U SRBIJI
U Republici Srbiji postoji višedecenijska praksa dokumentovanja arheološkog nasleđa u elektronskom okruženju, a danas postoji i obaveza ustanova odgovornih za arheološko nasleđe u Srbiji da implementiraju zakonom propisani informacioni sistem i da podatke unete u taj sistem šalju u državni data centar radi upravljanja i trajnog čuvanja. Takođe, pošto je Vlada Srbije prepoznala važnost ponovne upotrebe podataka koji su u posedu njenih javnih institucija, istakla je svoje strateško opredeljenje za njihovo otvaranje putem niza propisa i akata. Međutim, i pored zakonske regulative, u praksi se ustanove zaštite u Srbiji, umesto modela apsolutne dostupnosti i otvorenog pristupa podacima, i dalje opredeljuju za princip selektivne dostupnosti. Rad se otuda osvrće na aktuelno stanje u pogledu dostupnosti podataka o arheološkom nasleđu u Srbiji u 2022. godini i ispituje mogućnosti njihovog korišćenja i ponovne upotrebe.
Predstavljena su dva primera ponovne upotrebe podataka iz javnih nacionalnih repozitorijuma. U prvom primeru, rad sagledava prednosti povezivanja nacionalnih skupova podataka o kulturnom nasleđu sa međunarodnim bazama znanja u cilju podsticanja njihove ponovne upotrebe i očuvanja. U radu je prikazan proces integracije skupa podataka Matematičkog instituta SANU o preko 150 spomenika kulture od izuzetnog značaja u okviru međunarodnog portala ARIADNEplus. Pomenuti spomenici kulture su inicijalno opisani pomoću predloga nacionalnog formata metapodataka sa ciljem lakšeg inkorporiranja prilikom eventualnog uspostavljanja nacionalnog informacionog sistema za upravljanje i čuvanje podataka o kulturnim dobrima. Rad razmatra da li je ovaj format metapodataka ispoštovao osnovna načela i principe u pogledu interoperabilnosti, modularnosti, ekstenzibilnosti, višejezičnosti i fleksibilnosti kako bi se metapodaci što lakše mapirali i pripremili za integraciju u okviru ARIADNEplus Portal.
U drugom primeru, polazeći od pretpostavke da pružalac podataka garantuje pouzdanost podataka, kao i da ih je na odgovarajući način i u odgovarajućem obliku podelio na Vebu, rad testira kako ih korisnik sa minimalnim tehničkim znanjima može preuzeti i ponovo iskoristiti za individualni projekat. Rad prikazuje kako su pomoću pristupačnih alata upotrebljena tri otvorena skupa podataka nacionalnih provajdera za kreiranje digitalne kolekcije sa temom promovisanja arheoloških nalazišta od izuzetnog značaja koja se nalaze duž Nacionalne biciklističke "Dunavske trase", a koja je deo Evropske biciklističke rute "EuroVelo 6".
RUKOVODIOCI SEMINARA
MI SANU
Vera Kovačević-Vujčić
Milan Dražić
FON
Zorica Bogdanovic
Marijana Despotovic-Zrakic
IEEE
Bozidar Radenkovic
