DOMAĆI RAD 1-
Tema: Mašinsko učenje
Predmet: Poslovni informacioni sistemi
Mentor: Student:
Prof.dr Borivoje Milošević Davor Božić И-35/2021
Beograd, jun 2025
2
SADRŽAJ:
1. UVOD………………………………………………………………………………3
2. ISTORIJA MAŠINSKOG UČENJE……………………………………………..4
3. MAŠINSKO UČENJE…………………………………………………………….5
3.1.
Zašto mašinsko
učenje?.....................................................................................6
3.2.
Izvori mašinskoh učenja………………………………………………………
7
3.3.
Podjela mašinskog
učenja……………………………………………………..8
3.3.1. Nadgledano učenje……………………………………………………..8
3.3.2. Nenadgledano učenje…………………………………………………..9
3.3.3. Polunadgledano učenje……………………………………………….10
3.3.4. Učenje sa podrškom ( Reinforcememt learning )…………………..10
4. Razlika između vještačke inteligencije i mašinskog učenja……………………10
5. ZAKLJUČAK……………………………………………………………………...12
6. LITERATURA…………………………………………………………………….13
4
uspješnost softvera za prepoznavanje govora poboljša nakon nekoliko “istreniranih” rečenica,
tada opravdano kažemo da je “mašina naučila”.
2. ISTORIJA MAŠINSKOG UČENJA
Termin mašinsko učenje skovao je 1959. Artur Semjuel, dok je bio zaposlen u IBM-u, koji je
pionir u oblasti kompjuterskih igara i vještačke inteligencije. U ovom vremenskom periodu
korišćen je i sinonim samoučeći računari.
Iako je najraniji model mašinskog učenja uveden tokom 1950-ih kada je Artur Semjuel izumio
program koji je izračunao dobitnu šansu u damama za svaku stranu, istorija mašinskog učenja
ima korene unazad do decenija ljudskog nastojanja i napora da se proučavaju ljudski kognitivni
procesi. Kanadski psiholog Donald Heb je 1949. godine objavio knjigu Organizacija
ponašanja, u kojoj je predstavio teorijsku neuronsku strukturu formiranu određenim
interakcijama među nervnim ćelijama. Hebov model neurona koji međusobno komuniciraju
postavio je osnovu za to kako AI i algoritmi za mašinsko učenje funkcionišu pod čvorištima, ili
vještačkim neuronima koje računari koriste za komunikaciju podataka. Drugi istraživači koji su
proučavali ljudske kognitivne sisteme takođe su doprinjeli savremenim tehnologijama
mašinskog učenja, uključujući logičara Valtera Pitsa i Vorena Makaloka, koji su predložili rane
matematičke modele neuronskih mreža kako bi došli do algoritama koji odražavaju ljudske
misaone procese.
Do ranih 1960-ih, kompanija Rejtion razvila je eksperimentalnu „mašinu za učenje“ sa
memorijom na bušenoj traci, nazvanu Sajbertron, za analizu signala sonara,
elektrokardiograma i govornih obrazaca koristeći rudimentarno potkrepljeno učenje. Ljudski
operater/učitelj ju je stalno „obučavao“ da prepozna obrasce i bila je opremljena dugmetom
„besmislica“ da bi se uputila da ponovo projceni pogrešne odluke.Reprezentativni rad o
istraživanju mašinskog učenja tokom 1960-ih bila je Nilsonova knjiga o mašinama za učenje,
koja se uglavnom bavila mašinskim učenjem s ciljem klasifikacije obrazaca. Interesovanje
vezano za prepoznavanje obrazaca nastavilo se tokom 1970-ih, kako su to opisali Duda i Hart
1973. godine. Godine 1981, objavljen je izveštaj o korišćenju nastavnih strategija tako da
