Tematika

• Uvod u VI
  • Bodovanje
  • Primena vestacke inteligencije
• Uvod u Python
  • Jupyter notebook
  • Podsecanje na osnovne Python-a
  • OOP koncepti u Python-u

Kod sa časa

• Materijali

Snimak časa (2021/2022):

• (Marko)
• (Denis)

Uvod u VI

Primena vestacke inteligencije

• Coloring graph using SAT
• Resavanje igre SUDOKU koristeci SAT
• DeepMind Parkour
• AI igra Marija
• AlphaZero masters chess
• AI learns to play snake
• AI learns to drive in GTA V
• AI learns to play 2048
• Dijkstra vs Astar vs Concurent Dijstra
• Astar vs Dikstra
• Pathfinding algorithms in Java
• JumpPointSearch+
• Ant optimization
• Particle swarm optimization
• cleverbot
• Genetic algorithm learns to walk
• Genetic algoritm grows a car
• Genetic algorithm pathfinding

Instalacija jupyter notebook

Jupyter notebook je open source veb aplikacija koja omogućava interaktivno pisanje i pokretanje Python koda. Instalira se kao python paket koristeći pip.

Najpre, potrebno je instalirati python3 pip za python 3.

Ubuntu:

sudo apt-get install python3.8 python-pip3

Potom instalirati jupyter paket.

pip3 install jupyter

Proveriti koji python se koristi:

python --version

Ukoliko verzija nije >= 3, onda u ~/.bashrc dodati liniju:

alias python=python3.8

i ponovo ga ucitati ~/.bashrc u terminalu:

source ~/.bashrc

Dalje je potrebno pozicionirati se u direktorijum koji želite da bude koreni direktorijum za jupyter, na primer:

cd /home/vi/
mkdir jupyter-test
cd jupyter-test
jupyter notebook

Naredba jupyter notebook će pokrenuti jupyter server u konzoli gde je ukucana i istovremenmo pokrenuti podrazumevani veb pregledač koji će povezati na (verovatno) na localhost:8888.

Ukoliko se prilikom otvaranja jupyter sveske na stranici stvori Jupyter Notebook 500 : Internal Server Error, ugasiti svesku i terminal. Pokrenuti:

pip install --upgrade jupyterhub
pip install --upgrade --user nbconvert

Zatim ponovo pokrenuti svesku.

Tematika

Python biblioteke: Numpy, Pandas, Matplotlib

Instalacija: pip install numpy pandas matplotlib

Dokumentacija:

Numpy
Pandas
Matplotlib

Kod sa časa

• Materijali

Snimak časa (2021/2022):

• (Marko)
• (Denis)

Kod sa časa:

• Materijali

Dodatni materijali

https://qiao.github.io/PathFinding.js/visual/

Kod sa časa:

• Materijali

Snimak časa:

• Marko

Kod sa časa:

• Materijali

Snimak časa:

• Denis
• Marko

Kod sa časa:

• Materijali

• Effective problem solving using SAT solvers

Instalacija minisat-a:

sudo apt-get install minisat

Snimak časa:

• Denis
• Marko

Kod sa časa:

Instalacija:

sudo apt-get install z3  
pip install z3-solver  

Z3:
https://github.com/Z3Prover/z3
https://theory.stanford.edu/~nikolaj/programmingz3.html
https://colab.research.google.com/github/philzook58/z3_tutorial/blob/master/Z3%20Tutorial.ipynb
https://www.cs.tau.ac.il/~msagiv/courses/asv/z3py/guide-examples.htm

• Materijali

• Snimak časa:

• Denis
• Marko

Kod sa časa:

Instalacija:

sudo apt-get install z3  
pip install z3-solver  

Z3:
https://github.com/Z3Prover/z3
https://theory.stanford.edu/~nikolaj/programmingz3.html
https://colab.research.google.com/github/philzook58/z3_tutorial/blob/master/Z3%20Tutorial.ipynb
https://www.cs.tau.ac.il/~msagiv/courses/asv/z3py/guide-examples.htm

• Materijali

• Snimak časa:

• Denis
• Marko

Vežbe 10 - Neuronske mreže

Materijali

Materijali

• 01_tf_keras_fashion_mnist.ipynb - primer sa klasifikacijom nad skupom Fashion MNIST
• 01_tf_keras_fashion_mnist.html - sveska u html formatu
• 01.neural.network.diagram.svg - dijagram modela

Snimak sa časa: Marko
(2019/2020): ovde.

Alat Neural Network Playground

Na ovoj adresi možete pronaći alat Neural Network Playground koji ima izuzetno lepu vizuelizaciju neuronskih mreža. Poigrajte se malo sa funkcionalnostima i produbite vaše razumevanje neuronskih mreža.

Kako pokrenuti

Google Collab

Za pokretanje i rad se predlaže korišćenje platforme Google Collab koja nudi virtuelnu mašinu na kojoj je podešeno okruženje za rad inpirisano Jupyter Notebook sveskama.

Najbolje je da na Vašem Google Drive nalogu napravite lepu strukturu direktorijuma za rad u okviru kursa, na primer:

matf
└── vi
    └── materijali_sa_vezbi
        └── 10.neuronske.mreze
            └── tf_keras_fashion_mnist.ipynb
            └── tf_keras_fuel.ipynb

i da ipynb datoteke pokrećete iz platforme Google Drive putem Google Collab aplikacije. Osim toga, možete direktno da učitate te datoteke kroz Google Collab (File -> Upload Notebook).

Google Collab pruža grafičko karticu u okruženju za rad:

Runtime
└── Change runtime type
    └── Hardware accelerator
        └── GPU

Lokalno na računaru

Ukoliko želite da pokrenete lokalno na računaru biće vam neophodne biblioteke:

• tensorflow ili tensorflow-gpu (>= 2.0)
• numpy
• pandas
• seaborn
• matplotlib
• jupyterlab

Virtuelno okruženje

Savetuje se da biblioteke instalirate u virtuelno okruženje umesto direktno na sistem. Da bi napravili virtuelno okruženje sa imenom venv možete da uradite:

python -m venv venv

Potom je potrebno da ga aktivirate.

source venv/bin/activate

U konzoli će vam se pojaviti oznaka da je virtuelno okruženje aktivno. Najčešće je to tekst (venv) negde u konzoli. Više o virtuelnim okruženjima ovde.

Instalacija biblioteka

Nakon što je virtuelno okruženje aktivno, možemo preći na instalaciju potrebnih biblioteka.

pip install seaborn numpy pandas jupyterlab matplotlib

Alat pip će preuzeti i instalirati navedene biblioteke u virtuelno okruženje koje smo prethodno napravili. Slobodni ste da instalirate i druge dodatne biblioteke.

Biblioteka tensorflow

Biblioteka tensorflow je dostupna kroz pakete:

• tensorflow - izračunavanje se vrši na procesoru
• tensorflow-gpu - izračunavanje ima podršku za rad na grafičkoj kartici

Na kursu ćemo koristiti tensorflow 2.0 i novije varijante. Biblioteka keras dolazi instalirana u okviru biblioteke tensorflow, ali je važno da je u pitanju verzija barem 2.0!

Osim toga, ukoliko ne želite podršku za izračunavanje na grafičkoj kartici, možete tensorflow instalirati slično kao prethodne biblioteke sa:

pip install tensorflow

Ako želite da navede koju tačno verziju hoćete onda:

pip install tensorflow==2.0

Ako želite podršku za izračunavanje na grafičkoj kartici, trebaće vam CUDA na sistemu. Instalacije CUDA paketa varira od sistema do sistema, kao i od distribucije do distribucije pa za upustva možete pogledati na internetu u zavisnosti od vaše situacije.

Važno je da vaša grafička kartica podržava verziju paketa CUDA koji zahteva tensorflow-gpu paket koji želite da instalirate.

Zvanična tensorflow upustva.

Vežbe 10 - Neuronske mreže

Materijali

Materijali

Snimak sa časa: Marko
(2019/2020): ovde.

Alat Neural Network Playground

Na ovoj adresi možete pronaći alat Neural Network Playground koji ima izuzetno lepu vizuelizaciju neuronskih mreža. Poigrajte se malo sa funkcionalnostima i produbite vaše razumevanje neuronskih mreža.

Kako pokrenuti

Google Collab

Za pokretanje i rad se predlaže korišćenje platforme Google Collab koja nudi virtuelnu mašinu na kojoj je podešeno okruženje za rad inpirisano Jupyter Notebook sveskama.

Najbolje je da na Vašem Google Drive nalogu napravite lepu strukturu direktorijuma za rad u okviru kursa, na primer:

matf
└── vi
    └── materijali_sa_vezbi
        └── 10.neuronske.mreze
            └── tf_keras_fashion_mnist.ipynb
            └── tf_keras_fuel.ipynb

i da ipynb datoteke pokrećete iz platforme Google Drive putem Google Collab aplikacije. Osim toga, možete direktno da učitate te datoteke kroz Google Collab (File -> Upload Notebook).

Google Collab pruža grafičko karticu u okruženju za rad:

Runtime
└── Change runtime type
    └── Hardware accelerator
        └── GPU

Lokalno na računaru

Ukoliko želite da pokrenete lokalno na računaru biće vam neophodne biblioteke:

• tensorflow ili tensorflow-gpu (>= 2.0)
• numpy
• pandas
• seaborn
• matplotlib
• jupyterlab

Virtuelno okruženje

Savetuje se da biblioteke instalirate u virtuelno okruženje umesto direktno na sistem. Da bi napravili virtuelno okruženje sa imenom venv možete da uradite:

python -m venv venv

Potom je potrebno da ga aktivirate.

source venv/bin/activate

U konzoli će vam se pojaviti oznaka da je virtuelno okruženje aktivno. Najčešće je to tekst (venv) negde u konzoli. Više o virtuelnim okruženjima ovde.

Instalacija biblioteka

Nakon što je virtuelno okruženje aktivno, možemo preći na instalaciju potrebnih biblioteka.

pip install seaborn numpy pandas jupyterlab matplotlib

Alat pip će preuzeti i instalirati navedene biblioteke u virtuelno okruženje koje smo prethodno napravili. Slobodni ste da instalirate i druge dodatne biblioteke.

Biblioteka tensorflow

Biblioteka tensorflow je dostupna kroz pakete:

• tensorflow - izračunavanje se vrši na procesoru
• tensorflow-gpu - izračunavanje ima podršku za rad na grafičkoj kartici

Na kursu ćemo koristiti tensorflow 2.0 i novije varijante. Biblioteka keras dolazi instalirana u okviru biblioteke tensorflow, ali je važno da je u pitanju verzija barem 2.0!

Osim toga, ukoliko ne želite podršku za izračunavanje na grafičkoj kartici, možete tensorflow instalirati slično kao prethodne biblioteke sa:

pip install tensorflow

Ako želite da navede koju tačno verziju hoćete onda:

pip install tensorflow==2.0

Ako želite podršku za izračunavanje na grafičkoj kartici, trebaće vam CUDA na sistemu. Instalacije CUDA paketa varira od sistema do sistema, kao i od distribucije do distribucije pa za upustva možete pogledati na internetu u zavisnosti od vaše situacije.

Važno je da vaša grafička kartica podržava verziju paketa CUDA koji zahteva tensorflow-gpu paket koji želite da instalirate.

Zvanična tensorflow upustva.

Kod sa časa:

• Materijali

Snimak časa:

• Denis
• Nemanja Mićović (2019/2020)

Kod sa časa:

• Materijali

Snimak časa:

• Marko

Kod sa časa:

• Materijali