Kursplan för Avancerad bildanalys

Advanced Image Analysis

  • 7,5 högskolepoäng
  • Kurskod: 1MD037
  • Utbildningsnivå: Avancerad nivå
  • Huvudområde(n) och successiv fördjupning: Bildanalys och maskininlärning A1F

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå

    • G1N: har endast gymnasiala förkunskapskrav
    • G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    • G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    • G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    • G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    • GXX: kursens fördjupning kan inte klassificeras

    Avancerad nivå

    • A1N: har endast kurs/er på grundnivå som förkunskapskrav
    • A1F: har kurs/er på avancerad nivå som förkunskapskrav
    • A1E: innehåller examensarbete för magisterexamen
    • A2E: innehåller examensarbete för masterexamen
    • AXX: kursens fördjupning kan inte klassificeras

  • Betygsskala: Underkänd (U), godkänd (3), icke utan beröm godkänd (4), med beröm godkänd (5)
  • Inrättad: 2021-03-04
  • Inrättad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Reviderad: 2022-10-24
  • Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Gäller från: HT 2023
  • Behörighet:

    120 hp inklusive Statistisk maskininlärning, en fortsättningskurs i programmering, Introduktion till bildanalys eller Datoriserad bildanalys I. Djup maskininlärning för bildanalys genomgången. Engelska 6.

  • Ansvarig institution: Institutionen för informationsteknologi

Mål

Efter godkänd kurs ska studenten kunna

  • kritiskt granska och i grupp diskutera vetenskapliga artiklar inom bildanalys och maskininlärning;
  • söka efter och kritiskt granska vetenskapliga artiklar för att nå fördjupad förståelse rörande specifika delområden inom bildanalys och maskininlärning;
  • beskriva för principer, metoder, och algoritmer inom bildanalys och maskininlärning, deras tillämpning och begränsningar;
  • integrera teori och metodkunskap för bildanalys och maskininlärning, och att använda, jämföra och utvärdera olika modeller.

Innehåll

Kursen baseras på seminarier, gästföreläsningar, läsning och diskussion av vetenskapliga artiklar. Kursinnehållet anpassas tematiskt för de olika fördjupningsinriktningarna, och i viss mån även efter enskilda studenter. Exempel på ämnen som kan ingå i kursen är texturanalys, bildregistrering, grafbaserade metoder.

I kursen ingår även läsuppgifter, presentationer i skriftlig och muntlig form, kritisk analys av vetenskapliga artiklar och metoder, diskussion om etiska principer. Även praktisk implementation av och utvärdering av metoder för bildanalys och maskininlärning kan ingå.

Undervisning

Föreläsningar, seminarier och litteraturstudier.

Examination

Aktivt deltagande vid litteraturseminarium (2,5 hp), Muntlig och skriftlig presentation av egen litteraturstudie inom ett avgränsat fördjupningsområde (5 hp).

Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en enskild student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare för studenter med funktionsnedsättning.

Versioner av kursplanen

Litteratur

Uppgift om kurslitteratur saknas. Ta kontakt med ansvarig institution för mer information.

Skriv ut