Univerzitet u Novom Sadu Fakultet tehni čkih nauka Saobraćajni odsek
description
Transcript of Univerzitet u Novom Sadu Fakultet tehni čkih nauka Saobraćajni odsek
Univerzitet u Novom Sadu Fakultet tehničkih naukaSaobraćajni odsek
SHATANJE O NEZNANJU
ZNANJE (Nivo tradicionalnog učenja)
RAZUMEVANJE-SHVATANJE
IMPLEMENTACIJA i PRIMENA
RAZVOJ
Shvatamo
da ne znam
o
Nаučeni materijal
је zaista
apsorbovan
Zahteva znatno duži
period refleksije nego
samo znanje ili
prisećanje
Ono što smo naučili
možem
o uspešno
implem
entirati i stvarno
primeniti
VLADAMO NIVOIMA ZNANJA I
SHVATANJA
TOK ILI KONTINUITET UČENJA DOVODI NAS NA NIVO RAZVOJANIVO RAZVOJA
NE PREDSTAVLJA SAMO SAKUPLJANJE ZNANJA.
dinamičkog razvoja kontinuuma znanja,
usavršavanja veština, izgrađivanja orijentacije i ponašanja kroz sticanje,
primenu i razvoj novog vida znanja i/ili iskustva.
kojim pojedinac stiče novo znanje, veštine, stavove,
iskustva i kontakte sa generisanjem promena u ponašanju, odlučivanju i
akcionom delovanju.
Reorganizovanje već
savladanih modela akcija.
Aspekti kontinuuma znanja i korespodentni tipovi učenjaVid – aspek
znanjaTip učenja Performansni
fokusVremenska perspektiva
Svest - nivo
PODATAK Instiktivno Proaktivnost Sakupljanje podataka-feedback
Trenutačna Osećajna svest
INFORMACIJA Proceduralno
Proceduralnost - efikasnost
Vrlo kratkoročna
Receptorska - čulna
ZNANJE Refleksivno
Funkcionalnost - efektivnost
Kratkoročna
Svesno -refleksivna
PRIMENJENO ZNANJE
Sistemsko-strukturalno
Produktivnost - upravljanje
Srednjeročna
Komunalna - kontekstualna
INTELIGENCIJA Integrativno učenje
Optimalnost -integracija
Dugoročna Strukturalna
MUDROST Generativno – otvoreno interakcijsko
Regenerativnost Obnova – integriteta veza
Vaoma dugoročna
Etična
Kapacitet za
deljenje znanja ZAJEDNICE znanja i učenja
Sinergijsko
Kolaborativnost Saradnja može biti: kooperacija, koordinacija , kolaboracija
Vanvremenska
Univerzalna
U iskustvu su mrežno povezani ili integrisani NAUČENI MODELI VEZANAUČENI MODELI VEZA koje omogućavaju
razumljiva objašnjenja za tekuće situacije i njihovo rešavanje pomoću analogije sa
“prepoznatim situacijama”.
proces u kome se znanje kreira transformacijom ISKUSTVA
Proces razmišljanja regeneriše znanje
koje će se koristiti u interpretaciji
iskustva.
UČENJE KROZ UČENJE KROZ ISKUSTVO ISKUSTVO
uključuje i apstraktne konceptualizacije
Znanje koje je potpuno shvaćeno i absorbovano se ugrađuje u praksu i sa njim se
eksperimentiše u različitim kontekstima‚.
pojedinac ili organizacija uče iz iskustva i procene iskustva.
predviđanjem budućnosti bira se bolji radni metod.
Razmišlja se kako će se događaji odvijati tako da
se može doneti plan buduće akcije. Nakon
implementacije, procenjuje se njegova efektivnost.
počinje praktičnim
problemom.
Korišćenje pristupa korena i grana i analiziranje događaja, postavljanje pitanja u vezi sa tim zašto radimo to što radimo.
Akciono učenje se deli na dva sektora – prvo, kada se
pronađe rešenje, i drugo, kada se ono primeni.
Tipičan proces donošenja odluka je zasnovan na korektivnim merama koje diktiraju trenutni akcioni modeli –učenje sa jednom i sa dve petlje.
Najbolje uče kroz aktivnost.
Uključuju se u potpunosti i bez sklonosti u novim iskustvima.
Sve aktivnosti centriraju oko sebe.
Ne odgovaraju na teoretske vežbe, nego traže praktična rešenja.
Uživaju ovde i sada i u dominantnosti neposrednim iskustvima.
Povlače se i posmatraju iskustva iz raznih perspektiva.
Slušaju druge pre nego što iznesu svoje stavove.
Razmatraju sve moguće uglove i implikacije pre nego što naprave potez.
Sakupljaju podatke i vole dobro da promisle pre nego što donesu zaključak.
Uče rezonovanjem i izgradnjom logičkih modela.
Nastoje da budu analitičari i posvećeni racionalnoj objektivnosti.
Pristup problemima je konzistentno logičan.
Prilagođavaju i integrišu posmatranja u kompleksne, ali logičke teorije.
Najbolje uče iz eksperimenata i kada se suoče sa teškim problemom ili su uključeni u mnogo akcija.
Proveravaju ideje, teorije i tehnike da vide da li rade u praksi.
Brzo deluju i pouzdano u vezi sa idejama koje ih privlače.
Na probleme odgovaraju kao “na izazove”, pri čemu donose praktične odluke.
"...korišćenje multimedije i Interneta u svrhu poboljšanja kvaliteta učenja -omogućavanjem pristupa udaljenimizvorima i servisima i omogućavanjemsaradnje i komunikacije i na daljinu.”
Proces obrazovanja koji se izvodi uz
upotrebu nekog oblika informacione i
komunikacione tehnologije, sa ciljem
unapređenja kvaliteta toga procesa ikvaliteta ishoda obrazovanja.
Nove tehnologije podržavaju kodifikovanje i distribuciju učenja, just-in-time učenje, i e-učenje zaposlenih
sa ciljem da se postigne nova individualna kompetentnost za
“hvatanje” znanja i dokumentovanje posla,
pakovanje sadržaja za različite stilove učenja,
kulture i medije.
DEFINICIJA
Hibridna ili mešovita nastava – kombinacija nastave u učionici i nastave uz pomoć tehnologija (engl. hybrid, mixed mode learning).
U zavisnosti od intenziteta i načina korišćenja ICT-a u obrazovanju razlikujemo nekoliko oblika e-
učenja:
Klasična nastava - nastava u učionici (engl. face- to-face).
Nastava uz pomoć ICT-a - tehnologija u službi poboljšanja klasične nastave (engl. ICT supported teaching and learning).
Online nastava - nastava je uz pomoć ICT-a u potpunosti organizovana na daljinu (engl. fully online).
Omogućuju upotrebu raznih zapisa (tekst, audio i video)
koji se kombinuju u multimedijalni sadržaj i
prezentuju studentu.
Nezavisnost od vremena
Nezavisnost od vremena održavanja nastaveodržavanja nastave
Niski troškovi za Niski troškovi za korisnikakorisnika
Mogućnost Mogućnost samoorganizovanja
samoorganizovanja vremena za učenjevremena za učenjeDiskusije sa drugim Diskusije sa drugim polaznicima kursa polaznicima kursa
““1 na 1” konsultacije sa
1 na 1” konsultacije sa nastavnikomnastavnikom
Tehnička podrškaTehnička podrška
Tekstovi za čitanjeTekstovi za čitanje
Multimedijalni materijalMultimedijalni materijal
TutorijaliTutorijali
Neograničeno
Neograničeno
ponavljanje gradiva
ponavljanje gradivaNezavisnost od mesta
Nezavisnost od mesta održavanja nastaveodržavanja nastave
Lista dodatih resursa
Lista dodatih resursa
za učenjeza učenje
Projekti i seminarski
Projekti i seminarski
radoviradovi
Lokacija za učenje na
Lokacija za učenje na
InternetuInternetu
VežbanjaVežbanja
TestoviTestovi
Završni testovi
Završni testovi
Trenutna dostupnost
Trenutna dostupnost
rezultatarezultata
Rečnik pojmova i FAQ
Rečnik pojmova i FAQ
bazabaza
Sertifikat o završenom
Sertifikat o završenom
kursukursu
Vreme Tip e-učenja Koncept tehnologije
1960.- te
Obrazovanje bazirano na računarima.
Automatizacija
1970.- te
Inteligentni tutorski sistemi. Automatizacija
1980.- te
“Mikrosvet” alati za produkciju.
Igračke, konstrukcijski mediji
1990.- te
Podrška računara.Kolaborativno učenje.
Asinhroni komunikacijski alati i kolaboracija
2000.-te Virtuelna okolina učenja Multimodalna infrastruktura sinhronih i asinhronih alata
Nove generacije sistema e-učenja koriste Web servise koji mogu obezbediti podudaranje sadržaja učenja i konteksta korisnika na
način koji obezbeđuje prilagođeno, personalizovano iskustvo.
Važnu ulogu za postizanje interoperabilnosti između različitih sistema učenja preko Interneta
ima servisno orijentisana arhitektura - SOA i tehnologija Web servisa.
MODELUJE SE KAO E-SERVIS
Upravlja svim aspektima kreiranja i korišćenja poslovnih procesa upakovanih kao servisi, definiše i priprema IT infrastrukturu koja obezbeđuje različite aplikacije za razmenu podataka bez obzira na operativni sistem i programski jezik koji podržava ove aplikacije.
Prilikom izgradnje aplikacija, SOA kombinuje labavo povezane i interoperabilne servise kao osnovne gradivne blokove aplikacija.
→Menja postojeću arhitekturu višeslojnih aplikacija.→ Izlaže funkcije aplikacija u vidu servisa. → Koristi princip raslojavanja.→Uvodi dodatni nivo koji omogućuje integraciju servisa.
Najznačajnija implementaciona tehnologija za SOA
Softverska aplikacija koja razmenjuje podatke sa drugim Web zasnovanim aplikacijama.
Interoperabilnost se postiže korišćenjem standardnih protokola i otvorenih standarda.
UDDI je registrar za čuvanje informacija o Web servisima;UDDI je registar Web servisnih interfejsa opisanih pomoću WSDL-a;UDDI komunicira preko SOAP;UDDI je sagrađen unutar Microsoft.NET platforme.
UDDI (engl. Universal Description , Discovery and
Integration)
SOAP je komunikacioni protokol;SOAP služi za komunikaciju između aplikacija;SOAP je format za slanje poruka;SOAP je dizajniran za komunikaciju preko Interneta;SOAP je platformno nezavistan;SOAP je jezično nezavistan;SOAP je baziran na XML-u;SOAP je jednostavan i proširljiv;SOAP dozvoljava pristup između firewall-ova;SOAP će biti razvijen kao W3C standard.
SOAP (engl. Simple Object Access Protocol)
WSDL je jezik za opisivanje Web servisa.WSDL je pisan u XML-u;WSDL je jedan XML dokument;WSDL je takođe korišćen za lociranje Web servisa;
WSDL (engl. Web Services Descripcion
Language)
OBRASCI RAZMENE PORUKA
Potpiši-gurni
Zahtev-odgovor
Zahtev-odgovor preko servisnog registra
Ispitaj-odgovori
OSNOVNA OPERACIJA ILI JEDINICA ZADATKA PODRŽANA E-SERVISOM
POSREDNIK PORUKA IZMEĐU APLIKACIJA SISTEMA E-UČENJA
Sadrži podatke koji ne čine sam sadržaj poruke, već predstavljaju pomoćna svojstva - opcioni podaci, identifikacija poruke i informacije o rutiranju poruke.
Omotnica (Anvelopa)
Sadrži aktuelnu korisnu nosivost poruke (sam sadržaj ili sadašnje stanje procesiranja) koju poruka treba preneti. Sadržaj je predstavljen XML dokumentom.
PORUKA - Modelovana je korišćenjem obrasca glava/telo.
Internet-zasnovana aplikacija i servis ponuđen kao pojedinačan proizvod za rešavanje specifičnih poslovnih potreba korisnika, a koji je bešavno
integrisan sa (poslovnim ili privatnim) korisničkim procesima.
Obavlja određene poslove, izvršava zadatke ili upotpunjuje transakcije, uz korišćenje elektronske komunikacije, bez face-to-face susreta između dve strane
u transakcijama.
Snabdevanje e-servisima je individualno, po-zahtevu i u realnom vremenu.
Veza proizvodnje i potrošnje dešava se simultano pa se parafraziranje e-servisa vrši u terminima
njihovih generičkih ključnih karakteristika:
nedodirljivost, vizuelna nevidljivost, nerazdvojivost, istovremenost i varijabilnost
Proizvodni procesi e-servisa su personalizovani.
Zahtevaju informacije kao input, virtuelne su prirode, uključuju korisnike u fazi
proizvodnje/isporuke (participacija učesnika na-licu-mesta ).
U obezbeđivanju e-servisa obuhvaćeni su pojedinci, preduzeća, državne i obrazovne
ustanove.
registrovanje korisnika,
ažuriranje korisničkih informacija,
postavljanje zahteva i instrukcija,
učestvovanje u nastavi,
pretraživanje i razmenjivanje informacija,
primanje informacija i servisa, itd.
ažuriranje korisničkog statusa,
E-učenje je proces koji podrazumeva lepezu
mogućih aktivnosti, od jednostavnog čitanja teksta ka složenijim
strukturama kao što je audiovizielna percepcija
sadržaja ili aktivno učestvovanje u nastavi,
kooperativno učenje, itd.
Obim usvojenog znanja je u vezi sa različitim oblicima prezentracije obrazovnih
sadržaja e-učenja.
Model interakcije e-servisa koristi koncept radnog toka.
E-servis je definisan pomoću:→ jezgra (celokupni sadržaj e-servisa koji nastaje iz specifičnih resursa provajdera),→ polja interakcije (skup sposobnosti u kojem svako s = (c, R, Ps) predstavlja komponentu koja se eksplicitno graniči sa ulogom R i primenjuje skup interakcionih procesa P).
Sposobnost polja interakcije predstavlja obrasce kooperacije
učesnika u interakciji.
E-servisni resursi predstavljaju učesnike u
interakcijiZa dve sposobnosti s = (cs, rs, Ps), t = (ct, rt, Pt), interakcioni procesi e-servisa p1Ps, p2Pt su sastavljeni od dve aktivnosti a1 i a2 , gde a1 definiše odlazeću interakciju p1, a a2 definiše dolazeću interakciju
p2.
Naučne i obrazovne institucije, elektronske biblioteke i knjižare su e-servisni provajderi, odnosno logički distributeri ili pristupne tačke za e-servise u
e-učenju.
KOLEKCIJA E-SERVISA DEFINISANA OD STRANE
PROVAJDERA
omogućuje razumevanje dostupnih e-servisa, olakšava izbor e-servisa od strane korisnika, određuje korisnike koji imaju pravo korišćenja određenog e-servisa.
E-kursevi (engl. e-Course) posredstvom spiska
elektronskih adresa (engl. mailing list) predstavljaju
najjednostavniji oblik isporučivanja edukativnog
sadržaja studentu.
Materijali neophodni za određeni kurs stižu na elektronsku adresu
po potrebi, dnevno, nedeljno ili po određenom rasporedu.
Student ne mora da posećuje Web sajt obrazovne institucije, jer je sva
korespondencija vezana za e-mail.
E-knjiga može da bude priručnik ali i kompletan kurs, sa kombinacijom
grafičkih, audio i video zapisa.
Najčešće je u formatu sa ekstenzijom .pdf, ali može da
bude .exe ili neki drugi prepoznatljiv format kao što je
html.
U zavisnosti od softvera koji je korišćen za realizaciju e-knjige, postoje opcije za pretraživanje
i za zaštitu e-knjige od kopiranja ili štampanja.
Korišćenje multimedijalnih tehnologija omogućava
prezentaciju obrazovnog sadržaja na dinamičan i
eksplicitan način.U okviru e-učenja organizuju se
predavanja u formi Web konferencije (engl. Web-
conference), Web prenosa (engl. Webcasts) ili Web seminara
(engl. Webinars).Praćenje predavanja ili vežbi uživo upotrebom ovih medija
omogućavaju studentu da događaje vezane za e-učenje
prati iako je dislociran.
U formi 3D interaktivnih simulacija, zabavnih igrica ili kvizova, plasiraju se
vrlo ozbiljni nastavni sadržaji.
Edukativni programi se dugo koriste u obrazovanju.
Primenjeni u e-učenju dobijaju nov i dinamičan oblik.
Na kraju kursa polaže se ispit u obrazovnoj instituciji. Na taj način je omogućeno da student stekne kredite za položene predmete ili diplomu ako položi sve propisane ispite nekog univerziteta.
Rešenje za studente koji nisu u mogućnosti da prisustvuju nastavi u školskoj ili univerzitetskoj učionici.
Najpoznatiji oblik e-učenja.Web stranica koju studenti sami uređuju. Može se opisati kao dnevnik pojedinca ili
interesne grupe.
Predstavlja interaktivnu razmenu znanja, komunikaciju između studenata ili interesnih grupa.
Posetioci mogu unositi svoje komentare direktno na Web strani, na određeni link ili poslati e-mail.
prati aktivnosti svojih učesnika,
interpretira njihove zahteve na osnovu oblasno-specifičnih modela,
precizno ih reprezentuje u povezanim modelima.
otkriva zahteve i preferencije u skladu sa prethodno uočenim aktivnostima,
Sistem elektronskog učenja se definiše kao adaptivan, ako je u mogućnosti da:
pored kreiranja personalizovanih sadržaja, sposoban je da obezbedi adaptivno “dostavljanje“ kursa, interakciju, saradnju i podršku
Sistem elektronskog učenja treba prilagoditi pojedinačnim stilovima
učenja
zasnovan na hipermedia ili hipertekstu, poseduje validan model korisnika, u mogućnosti je da izvrši adaptaciju u skladu sa modelom korisnika (učenika).
Felder-Silverman model opisuje svakog studenta u skladu sa četiri dimenzije stila
učenja
dizajn, selekcija, struktura procesa prema trenutnom korisniku i kontekstu
Specifikacija adaptacije se može posmatrati na različitim nivoima:
selekcija, dizajn, struktura i prezentacija sadržaja
izbor adaptivnih strategija i tehnika na meta-nivou u skladu sa trenutnim kontekstom
Na koji način se može izvršiti adaptacija.
Osnovni aspekti adaptacije i odgovarajući modeli
DOMENSKI MODELDOMENSKI MODEL
Šta će biti adaptirano i stavljeno na
raspolaganje.
U skladu sa kojim parametrima se može izvršiti
adaptacija.
MODEL KORISNIKA I MODEL KORISNIKA I KONTEKSTUALNI MODELKONTEKSTUALNI MODEL
MODEL AKTIVNOSTI I MODEL MODEL AKTIVNOSTI I MODEL ADAPTACIJE ADAPTACIJE
DOMENSKI MODEL
MODEL KORISNIKA
MODEL SADRŽAJA
MODEL INSTRUKCIJA
MODEL ADAPTACIJE
Usled velike količine podataka koja se generiše u sistemima e-učenja svakodnevno, javlja se PROBLEM ANALIZE PODATAKA.
analiza opservacionih setova podataka u cilju pronalaženja neotkrivenih veza i
sumiranja podataka na sofisticirane načine, razumljive i korisne za vlasnika
podataka.Primenom data mininga mogu se vršiti inteligentne analize velikih količina podataka skladištenih u bazi
podataka i predložene platforme sistema PERSONALIZOVANOG UČENJA
Neophodno je definisati ključne delove i modele u
sistemu
Prikupiti lične podatke (godine, pol, mesto rođenja), podaci o stilovima učenja, kao i veze
sa konceptualnim i domenskim modelom (godina studija, prosečna ocena, godina upisa,
ocene iz sličnih predmeta)Oblasti koje se proučavaju - elektronsko poslovanje, internet
tehnologije, i računarska simulacija.
Uključuje sve sadržaje dostupne u
okviru kurseva
Podrazumeva niz aktivnosti preduzetih na osnovu informacija dobijenih izgradnjom data mining
modela.
Ovde se odvijaju ključne aktivnosti u celokupnom procesu izgradnje adaptivnog sistema Pomoću inteligentne analize se povezuju određeni koncepti i sadržaji sa karakterisitkama studenata, pre svega se odnose na STILOVE UČENJA.
identifikovanje, izvodljivost primene poslovne inteligencije – određivanje inicijalnih ciljeva
personalizacije, planiranje arhitekture sistema elektronskog učenja, definisanje uloge
poslovne inteligencije u razvoju okruženja personalizovanog učenja, pretvaranje ciljeva u
probleme data mining – a.
(1) DEFINISANJE PROBLEMA DEFINISANJE PROBLEMA E-PERSONALIZACIJEE-PERSONALIZACIJE
primena komponenata poslovne inteligencije u analizi podataka, kreiranje skladišta
podataka, razvoj “ranih” modela data mining - a korišćenjem tehnika klasterovanja.
EKSPLOATACIJA POSTOJEĆIH EKSPLOATACIJA POSTOJEĆIH PODATAKA O STUDENTIMA PODATAKA O STUDENTIMA
KORIŠĆENJEM DATA WAREHOUSE, KORIŠĆENJEM DATA WAREHOUSE, DATA MININGDATA MINING II KLASTEROVANJAKLASTEROVANJA
(2)
(3)specifikacija klastera, podela studenata u
grupe prema njihovim preferencama i karakteristikama, adaptacija načina
organizovanja kursa postavljanjem zahteva studenata u centar modela.
ADAPTACIJA KURSEVA U SKLADU ADAPTACIJA KURSEVA U SKLADU SA DEFINISANIM GRUPAMA SA DEFINISANIM GRUPAMA
(KLASTERIMA)(KLASTERIMA)
(4) organizovanje i prijem studenata koji će pohađati kurseve u narednom periodu,
sakupljanje novih podataka, da bi se kreirali profili studenata.
UPIS NOVIH STUDENATA I UPIS NOVIH STUDENATA I SAKUPLJANJE NOVIH PODATAKASAKUPLJANJE NOVIH PODATAKA
(5) korišćenje naprednih metoda poslovne inteligencije za klasifikaciju studenata u
predefinisane grupe iz faze 3.
KLASIFIKACIJA NOVIH KLASIFIKACIJA NOVIH STUDENATA U DEFINISANE STUDENATA U DEFINISANE
GRUPE (KLASTERE)GRUPE (KLASTERE)
(6)
nadgledanje, kontrola načina na koji studenti prolaze kroz kurs, korišćenje
metoda poslovne inteligencije za izveštavanje i generisanje tzv. real-time
korekcija.
REALIZACIJA KURSEVAREALIZACIJA KURSEVA
(7)
obuhvata testiranje efektivnosti kurseva, kako kreirani personalizovani modeli
funkcionišu, poređenje sa polu ili nepersonalizovanim sistemima, potrebne
korekcije, poboljšanje performansi sistema.
TTESTIRANJE EFEKTIVNOSTI ESTIRANJE EFEKTIVNOSTI KURSEVAKURSEVAOdnos prema prezentaciji
nastavničkog materijala (multimedijalni, pisani, verbalni) ima najveći značaj za klasifikaciju
studenata.
MAŠINSKO UČENJEMAŠINSKO UČENJE
Mašinsko učenje (eng. machine learning) predstavlja naučnu disciplinu koja se bavi razvojem algoritama koji omogućuju računaru da uči na osnovu analize postojećih podataka, pri čemu je naglasak na prepoznavanju složenih pravilnosti u podacima i donošenju inteligentnih odluka zasnovanih na njima (Alpaydin, 2004).
Pojedini sistemi mašinskog učenja nastoje da eliminišu potrebu za ljudskom intuicijom, dok su drugi orijentisani ka uspostavljanju saradnje čoveka i mašine.
U tom se smislu mašinsko učenje može posmatrati kao pokušaj da se naučni metod delimično automatizuje
Ljudska intuicija ne može u potpunosti biti eliminisana s obzirom da osoba koja razvija sistem specificira u kom obliku će podaci biti predstavljeni i koji će meha-nizmi biti korišćeni za njihovu karakterizaciju.
MAŠINSKO UČENJEMAŠINSKO UČENJE
Kod nadgledanog učenja NU (eng. supervised learning) zadatak je predvideti vrednost određene funkcije validnog objekta nakon što je sistemu predočen izve-stan broj primera za obučavanje (parova ulaznih objekata i njima odgovarajućih izlaza).
Kod nenadgledanog učenja NenU(eng. unsupervised learning), cilj je otkriti unutrašnju strukturu podataka, odnosno, način njihove organizacije, pri čemu su na raspolaganju samo podaci bez posebnih oznaka.
Primer nenadgledanog učenja predstavljaju algoritmi za grupisanje podataka (eng. clustering).
Pri tome izlazna funkcija NU može biti
kontinualna, kada se radi o regresiji, i diskretna, u kom slučaju se radi o klasifikaciji. Izvođenje zaključaka kod NU na osnovu analize primera za obuku i njihova primena na test-primere
naziva se transdukcijom.
HVALA NA PAŽNJI
HVALA NA PAŽNJI