Pripremna nastava za polaganje prijemnog ispita iz informatike. Materijal obuhvata neograničen pristup online lekcijama, video materijalima, zadacima, rešenjima zadataka i testovima koji simuliraju prijemni ispit i pripremaju polaznika da ga uspešno položi. 

Prvi dio kursa o administraciji i održavanju GNU/Linux sistema u kom se bavimo osvnovnim elementima Linux distribucija i upotrebom komandi i alata u komandnoj liniji.

Napredni deo Linux administracije. Opis, konfigurisanje i pregled najćešće korišćenih serverskih programa. Objašnjavanje najučestalijih pojmova iz mreža, servisa itd. Ključne reči: OSI model, TCP/IP, NAT, iproute2, DNS, HTTP/WWW, SMTP, SYSLOG, SSH, CIFS, BIND, Apache, Postfix, Rsyslog, OpenSSH, Samba.

Kurs C# programiranje pokriva oblasti iz osnova programiranja u programskom jeziku C#. Zadatak ovog kursa, pored upoznavanja polaznika sa osnovama programiranja je i upoznavanje sa Microsoft razvojnim okruženjem - MS Visual Studio.

Ovi ciljevi se realizuju kroz sledeće module:

• Kreiranje projekata u Visual Studio okruženju.
• Korišcenje C# programskih elemenata za: deklarisanje varijabli,
• korišcenje izraza i operatora,
• kreiranje nizova,
• kreiranje i korišcenje naredbi odlucivanja i petlji.
• Kreiranje klasa. Kreiranje svojstava.
• Dogadaji.
• Deklarisanje i pozivanje metoda.
• Nasledivanje i implementacija interfejsa.
• Upravljanje izuzecima.
• Upravljanje životnim ciklusom objekata i kontrola resursa.
• Izgradnja i korišcenje kolekcija

Cilj predmeta je da se studenti upoznaju sa modelima, formama i infrastrukturom elektronskog poslovanja, kako bi se osposobili za projektovanje i implementaciju takvih sistema.

Implementacija i administracija Internet Security and Acceleration servera, odnosno njegove poslednje verzije pod nazivom Threat Management Gateway.

Uvod u osnovne koncepte i logiku programiranja i programskih jezika, fokusirajući se na jezik C kao konkretan primjer. Obrađuju se teme koje su zajedničke za većinu programskih jezika, poput varijabli, kontrole toka, nizova i struktura, funkcija i rada sa fajlovima.

Cilj predmeta je sticanje znanja i veština za projektovanje i implementiranje baza podataka korišćenjem Microsoft SQL Server platformske tehnologije i SQL jezika za pravljenje upita.

• Буловски модел претраживања информација.
• Основне структуре података и алгоритми за индексирање информација.
• Метрике сличности текста и докумената и претраживање информација
• Технике за компресију индекса.
• Векторски модел претраживања информација.
• Рангирање резултата претраге.
• Евалуација система за претраживање.
• Релевантност резултата претраге, експанзија упита и интеракција са корисником.
• Пробабилистички модели проналажења информација.
• Језички модели за проналажење информација (LLM).
• Интелигентне технике за рангирање, класификацију, категоризацију и филтрирање резултата претраге.
• Архитектура система за претраживање веба и проналажење информација на вебу. 

Терминологија и класификација. Узајамно искључивање. Конкурентни објекти. Конкурентност и коректност. Модели конзистентности. Услови за прогрес. Spin-Lock. Test-and-Set (TAS). TTAS. Експоненцијални Backoff. CLH и MSC Queue Lock. Композитни кључ. Кластери и хијерархијски кључеви. Монитори. Семафори. Баријере. Баријере са променом парности. Баријере са комбинационим и статичким стаблом. Баријере са детекцијом завршетка. Трансакциона меморија. Трансакције и атомичност. Софтверска и хардверска трансакциона меморија. Мултипроцесорско распоређивање. Расподела оптерећења. Модел дистрибуираног извршавања. Модели комуникационих мрежа. Глобално стање дистрибуираног система. Пресеци код дистрибуираног израчунавања. Логичко време. Систем логичких часовника. Скаларно време. Векторско време. Матрично време. Синхронизација физичких часовника. Глобално стање и алгоритми за његово снимање. Алгоритми за FIFO и не-FIFO канале. Снимање стања у системима са каузалном испоруком. Налажење конзистентних глобалних снимака. Основни дистрибуирани алгоритми. Синхронизатори. Избор лидера. Редослед порука и групна комуникација. Дистрибуирано узајамно искључивање. Дистрибуирана дељена меморија. Договор и консензус. Детекција отказа.

КОМБИНАТОРИКА И ТЕОРИЈА ГРАФОВА

Општи преглег предмета
Већина инжењерских проблема се може дефинисати над дискретним просторима. Дисциплина која испитује и нуди детаљне оговоре
на питања распореда и свакаквог пребројаванја елемената над дискретним скуповима јесте комбинаторика.
Са друге стране, основу за моделирање ових проблема можемо потражити у теорији графова. Оног тренутка када је модел коретно
постављен можемо уз постојеће алате (алгоритме) решити врло комплексне задатке. Утврдити којој категорији разматрани проблем
припада представља део вештине за који овај курс нуди основу уз неке напредније примере.
Пошто у пракси често постављамо за циљ да минимизујемо (максимизујемо) издатке (добит) над разматраним проблемом, природна
екстензија домена комбинаторике и теорије графова јесте комбинаторна оптимизација.

Теоретска настава
На часовима предавања након што уведемо основне појмове и извести неколико последица истих, раматраћемо
конкретне проблеме које ћемо моделирати помоћу графова, остатак курса ће бити посвећен алгоритмима над претходно
уведеним објектима.
Неки од проблема које ћемо заматрати су: минимално разапињујуће стабло, проблеми пута над графом, проблеми протока, итд.
Неке од метода решавања: математичко програмирање, методе отсецања, хеуристике, итд.

Практична настава
На часовима вежби фокус ће бити на присутности графова у свакодневном животу (практични проблеми) и како их можемо
моделирати и решити. Теоретски оквири ће бити дискутовани на предавањима.

Пожељна предзнања
Овај курс садржи појмове и методе које са којима су студенти требали да се упознају у ранијим курсевима: алгоритми и структуре
података и математичка анализа. Поред ових предмета корисно би било да су пратили курсеве генетски алгоритми и машинско
учење.

Računarske mreže za grupe 204 i 205

Циљ и исход предмета

Упознавање са математичким основама функционалног програмирања и парадигмом функционалног програмирања. Стицање вештина за напредно коришћење једног чисто функционалног програмског језика. По завршетку курса студент познаје математичку основу функционалног програмирања, разуме разлику између императивног и функционалног програмирања и уме да препозна проблеме који се решавају функционалним програмирањем. Студент је упознат са једним чисто функционалним програмским језиком, уме да га користи у решавању сложених задатака и изради практичног софтверског пројекта.

Теоријска настава

Функционални програмски језици. Разлика између функционалног и императивног програмирања. Основе ламбда рачуна: апстракција, ламбда функција, ламбда апликација, слободне и везане променљиве. Редукције у ламбда рачуну. Нормална форма. Израчунавање вредности ламбда израза и валидни ламбда изрази. аритметика целих бројева, логички и условни изрази у ламбда рачуну. Рекурзија у ламбда рачуну и ипсилон комбинатор. Апликативни и нормални поредак израчунавања ламбда израза. Лења евалуација. Бесконачне структуре. Ламбда изрази у програмским језицима. Решавање проблема на "функционалан" начин. Функтори, апликативни функтори и моноиди. Монаде. Парсер комбинатори.

Практична настава

Структуре података и синтакса изабраног функционалног програмског језика. Функције вишег реда и каријеве функције. Решавање задатака у изабраном функционалном програмском језику. Преглед уграђених функција и оператора у изабраном функционалном програмском језику. Задаци са функторима, апликативним функторима, моноидима и монадама. Коришћење библиотеке парсер комбинатора на илустративним примерима парсирања текста.

Циљ предмета:

Упознавање студената са теоријским и практичним аспектима комбинаторне теорије графова.

Исход предмета:

По завршетку курса студент поседује знања из комбинаторне теорије графова и упознат је са неким њеним применама.

Садржај предмета:

Теоријска настава

Графови и подграфови. Матрице инциденције и матрице суседства. Графовске инваријанте. Путеви и циклуси – детаљнији приступ. Цикломатички број графа. Чворна и гранска повезаност графа. Стабла и њихове примене. Хамилтонови и Ојлерови циклуси и њихове примене. Бојење графова – детаљнији приступ. Планарни графови и графови полиедара. Теорема Куратовски-Понтрјагина. Бојење планарних графова. Спаривања у графовима и примене. Независни скупови, покривачи и клике графа. Унутрашња и спољашња стабилност графа. Примена у линеарној алгебри. Степени квадратних матрица и Марковљеви ланци. Графови протока сигнала.

Практична настава

Решавање репрезентативних задатака на табли, из области са којима су студенти упознати на теоријској настави.

Литература

1. Цветковић Д., Теорија графова и њене примене, Научна књига, Београд, 1986.
2. Цветковић Д., Комбинаторика – класична и модерна, Научна књига, Београд, 1990.
3. Вељан Д., Комбинаторика с теоријом графова, Школска књига Загреб, 1989.
4. Петровић В., Теорија графова, Универзитет у Новом Саду, Природно-математички факултет, Нови Сад, 1998.

Теоријска настава

Циљеви и предности развоја софтвера заснованог на компонентама. Појам софтверске компоненте. Основне карактеристике софтверске компоненте. Појам физичке и логичке модуларности. Пракса одвајања спецификације од имплементације софтверске компоненте. Поштовање SOLID принципа и примена дизајн патерна у развоју заснованом на компонентама. Документовање софтверске компоненте. Појам билд алата и управљање повезаним компонентама. Преглед савремених билд алата за програмске језике Јава и Пајтон. Стандарди за развој модуларних система за Јава платформу - OSGi i Jigsaw. Софтверске лиценце и верзије. Сервисно оријентисана софтверска архитектура и веб сервиси. Технологије и стандарди за имплементацију веб сервиса - SOAP i REST. Појам микросервиса и поређење са другим архитектурама. Интеграција микросервиса и коминикација између микросервиса. Микросервиси и кориснички интерфејс, микросервиси и базе података. Кораци у провођењу монолитне у микросервисну архитектуру.

Практична настава

Приказ илустративног примера софтверске компоненте која користи друге компоненте и њено проширење додатним функционалностима. Илустрација особине рејузабилности компоненте. Рад са системима за управљање верзијама. Коришћење билд алата за Јаву - Apache Ant, Apache Maven и Gradle. Креативна вежба креирања компоненте са одвојеном спецификацијом. HTTP протокол и REST архитектура. Имплементација микросервисне апликације коришћењем Spring Boot технологије. Рад са базама података у микросервисној архитектури укључујући релацине и нерелационе базе. Коришћење Hiberante ORM алата за перзистенцију података у релациону базу. Комуникација између микросервиса и коришћење система за размену порука.

Teorijska nastava

Koncept vremena. Postizanje predvidivosti. Vremenska ograničenja. Ograničenje prethođenja. Ograničenja resursa. Problem raspoređivanja. Raspoređivanje aperiodičnih taskova. Džeksonov algoritam. Hornov algoritam. Raspoređivanje bez istiskivanja. Bratlijev algoritam. Spring algoritam. Raspoređivanje sa ograničenjem prethođenja. Raspoređivanje periodičnih taskova. Ciklično raspoređivanje. Raspoređivanje monotonim tempom (RM). Earliest Deadline First (EDF). Deadline Monotonic. EDF sa ograničenim rokovima. Serveri sa fiksnim prioritetom. Pozadinsko raspoređivanje. Server sa propitivanjem. Server sa odlaganjem. Razmena prioriteta. Sporadični server. Slack Stealing. Serveri sa dinamičkim prioritetom. Server sa razmenom dinamičkih prioriteta. Dinamički sporadični server. Server sa totalnim opsegom. Earliest Deadline Late server. Poboljšani server sa razmenom prioriteta. Server sa konstantnim opsegom. Protokoli za pristup resursima. Inverzija prioriteta. Protokol bez istiskivanja. Highest Locker Priority protokol. Protokol sa nasleđivanjem prioriteta. Protokol sa gornjom granicom prioriteta. Politika stek resursa. Raspoređivanje sa ograničenim istiskivanjem. Prag istiskivanja. Odloženo istiskivanje. Rastavljanje taskova. Izbor tačaka istiskivanja. Upravljanje preopterećenjem. Rukovanje aperiodičnim preopterećenjem. Prekoračenja. Permanentna preopterećenja.

Praktična nastava

Rad sa FreeRTOS operativnim sistemom u simuliranom okruženju i na mikrokontroleru. Poznavanje elemenata FreeRTOS operativnog sistema kao što su poslovi, redovi, brave, semafori i sl. Tipični problemi konkurentnosti kod sistema u realnom vremenu. Primena i modifikacija FreeRTOS raspoređivača. Implementacija podrške za aperiodične i periodične poslove. Implementacija podrške za ograničenja prethođenja. Zapis i analiza dobijenog rasporeda sistemskog raspoređivača u simuliranom i stvarnom okruženju. Implementacija poslova sa ograničenim resursima i njihovo raspoređivanje.

Теоријска настава

На предавањима се предочава разноврсност могућих очекивања од великих података и приказује се шта је то што омогућава брз одговор на та очекивања. Студенти се упућују у основе инфраструктуре која се користи у раду са великим подацима. Приказује се покрет NoSQL, те основни концепти, технике и обрасци потребни за дистрибуирани рад база података. Кроз анализу решења попут Amazon Dynamo уводи се концепт база података кључ-вредност. Представљају се документ-оријентисане базе података, са фокусом на MongoDB. Кроз осврт на имплементацију Google BigTable и кратак преглед технологије GFS/HDFS објашњава се функсионисање колонских база података.

Практична настава 

На вежбама се доминантно користе технологије Dell EMC. Одговара се на питање када у обради великих података користити релационе, а када нерелационе базе података. Дефинише се шта подразумева решење на платформи Hadoop и разрађује се архитектура HDFS. Пореде се софтверски базирана решења и наменска решења. Студенти на примерима у брижљиво осмишљеној лабораторијској вежби уче како да концепт архитектуре Dell EMC Isilon OneFS искористе за обраду великих података. При томе се упућују како да поставе и скалирају решење, како да управљају сториџима, те како да обезбеде поузданост. На још једној лабораторијској вежби студенти уче како да изврше интеграцију Hadoop и решења у претходно уведеној архитектури, при чему се, поред осталог, ради конфигурисање решења за HDFS, припрема се сервер Ambari и примењује се платформа Hortonworks Data. 

Microsoft PowerPoint: Izrada nove prezentacije, umetanje i izmena tekstualnog sadržaja, tabele, grafikoni i dijagrami, umetanje slika, oblika i grafičkih objekata, formatiranje slajda. Animacione šeme.

Microsoft Word: Kreiranje stilova teksta, tabela i nabrajanja, numerisanje stranica, umetanje i promena objekata, kreiranje i menjanje dijagrama i grafikona, sortiranje podataka, korišćenje automatizovanih alata za navigaciju, cirkularna pisma, rad sa formama, izrada i izmena formata, pozadine dokumenta, indeksa i sadržaja.

Microsoft Excel: Korišćenje međuzbirova, definisanje i primenjivanje naprednih filtera, grupisanje podataka, izrada izveštaja, funkcije za pretraživanje, pronalaženje zavisnih ćelija u formulama i grešaka, pronalaženje pogrešnih podataka i formula, izvođenje formula, imenovani skupovi ćelija, izrada i izmena namenskih formata podataka, pravilna upotreba velikog broja formula.

Циљ и исход предмета

Стицање општих знања и практичних вештина из програмирања. Студент разуме све најважније концепте процедуралног програмирања и уме да их примени, способан је да осмисли и имплементира једноставније алгоритме и да користи основне структуре података у програмима за командну линију.

Теоријска настава

Основни појмови програмирања: прогармски језик, алгоритам, команда, изворни код, компајлирање, окружење за извршавање програма. Представљање података у рачунару, бројевни системи, представљање карактера (ASCII табела) и реалних бројева. Читање са системског улаза и испис на системски излаз. Прости типови података и променљиве. Операције над подацима - аритметичке, битовне, релационе, логичке. Контрола тока програма - гранања и петље. Функције и опсег видљивости променљивих. Рекурзија и њена примена у задацима. Сложенији типови података - низови, стрингови и структуре. Показивачи и управљање меморијом. Динамичке структуре података - листе и бинарна стабла. Рад са фајловима.

Практична настава

Упазнавање са окружењем за имплементацију програма. Имплементација програма са секвенцијалним извршавањем команди уз читање података са системског улаза и испис на системски излаз. Илустрација коришћења различитих типова података и операција над њима. Коришћење разних уграђених функција, писање нових функција. Имплементација програма са различитим варијантама гранања - if, switch, тернарни условни оператор. Програми који користе петље. Илустрација различитих врста петљи (фор, wхиле, до-wхиле) на примерима задатака. Угњеждене петље. Примери програма који користе рекурзију. Програми са низовима. Рад са стринговима као низовима и коришћење уграђених функција над стринговима. Илустрација примера са показивачима. Рад са низовима и стринговима преко показивача. Задаци са једноструко повезаном листом, имплементација операција над листом на два начина - итеративно и рекурзивно. Задаци који користе уређено бинарно стабло. Имплементација операција над уређеним бинарним стаблом на рекурзиван и итеративан начин. Читање из фајла и упис у фајл. Учитавање података из фајла у динамичку структуру података и обрада тих података преко операција над структуром.

Циљ и исход предмета

Упознавање са идејама које су се појавиле током истраживања и развоја у вештачкој интелигенцији у току њеног педесетогодишњег развоја, а кроз уједињавајућу идеју интелигентног агента. Разумевање начина изградње вештачкоинтелигентних ентитета. По завршетку курса, студент има основна знања о вештачко-интелигентним системима (VI). У стању је да одреди шта се може урадити VI приступом. У стању је да одреди проблеме за чије решавање се примењују VI приступи. Зна карактеристике разматраних VI метода. Може да предложи начин решавања проблема, а за неке проблеме и да изабере и реализује одговарајући VI метод. Припремљен је за уже-стручне предмете из области вештачке интелигенције и рачунарске интелигенције.

Теоријска настава

Појам вештачке интелигенције. Преглед области и технологија вештачке интелигенције. Реални домети вештачке интелигенције. Теоријске основе вештачке интелигенције. Когнитивна психологија и неуро- науке. Представљање знања. Интелигентно претраживање. Математичке, рачунарске и статистичке методе у вештачкој интелигенцији. Интелигентно расуђивање. Soft computing. Машинско учење. Примена вештачке интелигенције. Интелигентна анализа података. Интелигентни агенти. Мултиагентски системи. Рефлексни агенти. Агенти са циљевима. Екстракција информација и проналажење информација. Екстракција информација у оквиру обраде природног језика. Прецизност и одзив. Препознавање именованих ентитета. Приступ заснован на правилима. Приступ заснован на машинском учењу. Метода скривених Марковљевих модела. Метода максималне ентропије. Екстракција информација без надзирања. Коначни трансдуктори и њихове примене у препознавању именованих ентитета и релација међу њима. Системи засновани на правилима. Семантички веб. Интелигентни едукативни системи. Технологије вештачке интелигенције. Препознавање и обрада говора. Обрада природног језика. Роботика. Обрада слике. Неуронске мреже.

Практична настава

Имплементација алгоритама претраживања обрађених на предавањима. Имплементација правила расуђивања уланчавање унапред и уланчавање у назад. Софтверска окружења за развој интелигентних система. Алати за сегментацију текста и токенизацију. Рад са софтвером отвореног кода spaCy. Примери експертских система заснованих на правилима у различитим доменима. Примери проблема који се решавају помоћу неуронских мрежа: класификација, кластеризација, предвиђање, препознавање, апроксимација и моделирање система. Употреба алата отвореног кода за дубоко учење TensorFlow, Torch, Keras, Caffe. Области примене неуронских мрежа: медицина, финансије, производња, одбрана, друштвене науке.

Циљ предмета је упознати студенте са великом и значајном облашћу информатике коју чине интегрисани информациони системи, са терминологијом, технологијама, концептима и основним начелима по којима ова област функционише. Студент се припрема за једну или више следећих ситуација: пројектовање и програмирање у развоју интегрисаног информационог система, рад у интегрисаном информационом систему, одржавање и администрација интегрисаног информационог система, консалтинг у домену интегрисаних информационих система и менаџмента, развој решења која се конектују на интегрисани информациони систем, вршење квантитативне пословне аналитике и руковођење.

Projektovanje namenskih sistema - Master studije

Na ovom predmetu se uči o različitim fiziološkim procesima čoveka, kako ih zabeležiti i kako ih predstaviti kroz zvuk, sliku, vibracije, temperaturu, miris itd. Učimo o elektronici, senzorima, Arduino, Raspberry Pi, lemimo itd. Radimo na dizajnu zvuka, koristimo 3D printer i razne alate kako bismo napravili proizvod (prototip) od početka do kraja tipa fiziološkog računarstva.

Teorijska nastava

Koncept vremena. Postizanje predvidivosti. Vremenska ograničenja. Ograničenje prethođenja. Ograničenja resursa. Problem raspoređivanja. Raspoređivanje aperiodičnih taskova. Džeksonov algoritam. Hornov algoritam. Raspoređivanje bez istiskivanja. Bratlijev algoritam. Spring algoritam. Raspoređivanje sa ograničenjem prethođenja. Raspoređivanje periodičnih taskova. Ciklično raspoređivanje. Raspoređivanje monotonim tempom (RM). Earliest Deadline First (EDF). Deadline Monotonic. EDF sa ograničenim rokovima. Serveri sa fiksnim prioritetom. Pozadinsko raspoređivanje. Server sa propitivanjem. Server sa odlaganjem. Razmena prioriteta. Sporadični server. Slack Stealing. Serveri sa dinamičkim prioritetom. Server sa razmenom dinamičkih prioriteta. Dinamički sporadični server. Server sa totalnim opsegom. Earliest Deadline Late server. Poboljšani server sa razmenom prioriteta. Server sa konstantnim opsegom. Protokoli za pristup resursima. Inverzija prioriteta. Protokol bez istiskivanja. Highest Locker Priority protokol. Protokol sa nasleđivanjem prioriteta. Protokol sa gornjom granicom prioriteta. Politika stek resursa. Raspoređivanje sa ograničenim istiskivanjem. Prag istiskivanja. Odloženo istiskivanje. Rastavljanje taskova. Izbor tačaka istiskivanja. Upravljanje preopterećenjem. Rukovanje aperiodičnim preopterećenjem. Prekoračenja. Permanentna preopterećenja.

Praktična nastava

Rad sa FreeRTOS operativnim sistemom u simuliranom okruženju i na mikrokontroleru. Poznavanje elemenata FreeRTOS operativnog sistema kao što su poslovi, redovi, brave, semafori i sl. Tipični problemi konkurentnosti kod sistema u realnom vremenu. Primena i modifikacija FreeRTOS raspoređivača. Implementacija podrške za aperiodične i periodične poslove. Implementacija podrške za ograničenja prethođenja. Zapis i analiza dobijenog rasporeda sistemskog raspoređivača u simuliranom i stvarnom okruženju. Implementacija poslova sa ograničenim resursima i njihovo raspoređivanje.

Циљ и исход предмета

Упознавање са идејама које су се појавиле током истраживања и развоја у вештачкој интелигенцији у току њеног педесетогодишњег развоја, а кроз уједињавајућу идеју интелигентног агента. Разумевање начина изградње вештачкоинтелигентних ентитета. По завршетку курса, студент има основна знања о вештачко-интелигентним системима (VI). У стању је да одреди шта се може урадити VI приступом. У стању је да одреди проблеме за чије решавање се примењују VI приступи. Зна карактеристике разматраних VI метода. Може да предложи начин решавања проблема, а за неке проблеме и да изабере и реализује одговарајући VI метод. Припремљен је за уже-стручне предмете из области вештачке интелигенције и рачунарске интелигенције.

Теоријска настава

Увод у вештачку интелигенцију. Традиционална VI. Појам агента. Претраживање и хеуристике и везе са игрицама. Представљање знања и поступци аутоматског расуђивања. Експертски системи. Третирање неизвесности у знању и приближно расуђивање. Увод у обучавање. Надгледано и ненадгледано обучавање. Увод у неуралне мреже. Перцептрон и вишеслојни перцептрон. Плитке и дубоке мреже. Аутоенкодери. Конволуционе мреже. Мреже за учење на грешкама. Рекурентне мреже. Генеративне адверзалне мреже. Примена у обради природног језика, препознавању говора, препознавању слика, роботици, медицини, биоинформатици, финансијама, пословању.

Практична настава

Имплементација алгоритама обрађених на предавањима. Имплементација минимакс алгоритма на примеру игре са два играча. Имплементација правила расуђивања уланчавање унапред и уланчавање у назад. Имплементација експертских система.

Cilj kursa je da se:

• Studentima detalno objasne priroda računarskih komunikacija, postojeći referentni modeli i prednosti rada u mreži

• Prikažu postojeći tipovi računarskih mreža i njihove topologije

• Objasne pojmovi fizičke i logičke topologije mreže

• Detaljno opišu i objasne ključni koncepti mrežne arhitekture, postojeće IP tehnologije i protokoli na L2, L3, L4, L5, L6 i L7 sloju IP mreže

• Studentima detaljno objasni kako se mogu realizovati različiti mrežni servisi

• Nauče studenti kako da izaberu i koriste različite metode i alate za monitoring mreže

• Studentima objasni kako da lociraju problem u mreži i da isti reše koristeći neku od IP tehnologija .

Predmet: Uvod u softversko inženjerstvo

Šifra predmeta: 20.2700

Program: Softversko inženjerstvo

Šk.god,: 2024-25