Duboko učenje pripada domenu veštacke inteligencije i mašinskog učenja. Tokom poslednje decenije dubokom učenju i veštackim neuralnim mrežama su posvećeni značajni naučni i tehnološko-razvojni resursi zbog potencijala da reši široku klasu problema za koje konvencionalni metodi nisu dali adekvatan odgovor. Klasifikacija slika, prepoznavanje govora, prevodjenje iz jednog na drugi jezik, medicinska dijagnostika, kontrola funkcija robota i vozila su samo neki od primera primene dubokog učenja i neuralnih mreža. "Duboko učenje je ekvivalentno uvodjenju električne energije sa početka 20. veka", izjava koja ilustruje ogroman entuzijazam koji je prisutan u svetu nauke i tehnologije.

U ovom kursu iznosimo sledeće detalje:

• Uvod u mašinsko učenje i njegova veza sa dubokim učenjem.
• Osnovne arhitekture neuralnih mreža poput direktnih, konvolucionih i rekurentnih, kao i njihove primene.
• Metode učenja sa i bez nadgledanjem, kao i specifične iterativne adaptacije tokom treninga.
• Metode optimizizacije hiperparametara ka uspešnijoj konvergenciji tokom treninga.
• Primene u autonomnim vozilima, kako konvolucionih tako i rekurentnih mreža u mogućim kombinacijama sa konvencionalnim metodama poput Kalmanovog filtriranja.

Pored predavačkog dela, kurs nudi računarske vežbe koristeći TensorFlow kao programsku platformu, i ALFA platformu koja je bazirana na Texas Instruments System-on-Chip namenjenom transportnim sistemima.