Ступінь магістра з комп'ютерного бачення
Universidade Santiago de Compostela
Ключова інформація
Розташування кампусу
Santiago de Compostela, Іспанія
Лінгвістика
Іспанська, Галицький
Формат навчання
На кампусі
Тривалість
1 рік
Форма навчання
Денне навчання
Вартість навчання
EUR 1 089
Кінець терміну надання заяв
інформація
Найраніша дата початку
Oct 2024
Введення
Комп’ютерний зір — це здатність машин бачити, тобто виділяти просторово-часову структуру зображень/відео для повної інтерпретації сцени. Це сфера, в якій ведеться велика дослідницька діяльність, але це не тільки дослідження. Технології комп’ютерного бачення мають потенціал сприяти добробуту, економічному зростанню та екологічній стійкості швидше та з меншими витратами, ніж будь-коли раніше.
Автоматичне розуміння нашого візуального світу ніколи не було настільки важливим у таких додатках, як охорона здоров’я, індустрія 4.0, мобільна робототехніка, безпека інфраструктури та послуг, безпека на дорозі, автономні транспортні засоби, відпочинок, реклама тощо. Цей ступінь магістра пропонує міждисциплінарну спеціалізацію із загальних основ комп’ютерного зору. Магістерська програма має на меті заповнити поточну прогалину на північному заході півострова та в Португалії щодо формування цього профілю, але вона також спрямована на залучення студентів з інших частин Іспанії, Португалії та за кордоном.
Навчальний план
Навчальний план складається з 15 предметів, включаючи зовнішню практику та магістерську роботу (TFM). Результатом є академічна пропозиція 105 ECTS (30 ECTS для TFM, 3 ECTS для зовнішнього стажування, 48 ECTS для обов'язкових предметів і 24 для факультативів). Щоб отримати ступінь магістра комп’ютерного зору, студент повинен пройти 90 ECTS.
Майстер організований у 6 модулів, три з яких спрямовані на отримання навичок у поперечних технологіях комп’ютерного бачення і, отже, застосовуються до великої кількості областей; Два інших модулі були зосереджені на конкретних технологіях і методологіях двох великих груп застосувань: промислові та інженерні програми та застосування біомедичних зображень; і модуль TFM.
Навчання, як правило, розвиватиметься шляхом поєднання очного та дистанційного навчання (здебільшого), через майстер-класи з теоретичною та практичною складовою (практичні), під час яких студенти використовуватимуть комп’ютерні засоби для закріплення вивчення концепцій та методів. Розвиток викладання буде доповнено інтегрованими методологіями викладання, в яких буде розроблено спільну та проектну навчальну діяльність.
У дистанційній освіті важливо поєднувати використання синхронних медіа (відеоконференцій) з асинхронними медіа (віртуальними класами). Матеріали курсу будуть доступні достатньо заздалегідь, щоб студенти могли заздалегідь знати заходи, які мають бути виконані, початковий зміст, на якому вони базуються, рекомендовану літературу, відповідний календар заходів та процедуру моніторингу та оцінки.
Для академічного репетиторства ті самі механізми можна використовувати через інструменти відеоконференцій загального призначення в поєднанні з електронною поштою та телефоном. Робота поза аудиторією включатиме самонавчання, роботу під наглядом, вирішення проблем та участь у дискусійних форумах на віртуальній платформі.
Результат програми
Його міждисциплінарний характер ґрунтується на тому факті, що (i) багато його результатів надихаються результатами нейронауки та ґрунтуються на них, (ii) складність проблем як з геометричної, статистичної, так і ймовірнісної точок зору вимагає хорошої підготовки в Математика, (iii) ) фотометрична розмірність зображень, розв’язання погано обумовлених проблем, багатоспектральний аналіз або джерела шуму в зображеннях є областю для фізики, (iv) технології для камер, зв’язку та обладнання походять з різні інженерні (v) та обчислювальні моделі, необхідні для обробки та навчання великих обсягів даних, дозволяють розробляти нові парадигми в обчислювальній техніці.
З іншого боку, її високий технологічний потенціал очевидний з того факту, що це дисципліна, яка дозволяє швидко застосувати всі її теоретичні результати, що робить її наскрізною інженерією, яка може бути інтегрована в численні системи різноманітних застосувань.
Таким чином, ми стикаємося з технологічним сектором, який вимагає високого рівня підготовки своїх професіоналів і науковий інтерес якого розвивається з великою швидкістю. Інтерес на академічному рівні виникає з двох сторін, з одного боку, є студенти, які щойно закінчили навчання та шукають більшої спеціалізації перед виходом на ринок праці. З іншого боку, є кілька дослідницьких груп, присвячених комп’ютерному зрінню, яким потрібен ступінь магістра в цій галузі, що дозволяє їм навчати студентів, які мають намір написати докторську дисертацію.
Галерея
Ідеальні студенти
Рекомендований профіль доходу:
- Математична підготовка, еквівалентна принаймні диплому інженера.
- Знання програмування на таких мовах, як C/C++ або Java, або створення прототипів, таких як Matlab або Python.
- Знання англійської мови для розуміння, письма та усної мови, щонайменше еквівалентно рівню B2 Європейської бази мов Ради Європи.
Карєрні можливості
Цей ступінь магістра з академічним профілем, практичним і прикладним підходом (підсиленим TFM 30 ECTS, мінімальною вимогою згідно з португальськими правилами), надає навички та досвід, які дозволяють негайно застосовувати знання для створення висококваліфікованих професіонали, здатні принести негайну вигоду для галузі, як професіонали з підприємницьким потенціалом, або дослідники, які мають намір розпочати навчання в докторантурі в науковій галузі, що розвивається. Очікується, що після завершення навчання студенти будуть компетентними в:
- Читання та розуміння поточних наукових публікацій про методи комп’ютерного зору.
- Використання фундаментальних інструментів, які зазвичай використовуються для розробки програм комп’ютерного бачення.
- Впровадження програм комп’ютерного зору на основі найсучасніших алгоритмів.
- Проводити експериментальний аналіз і випробування відповідно до поточної практики комп’ютерного зору, включаючи стандартні показники та набори довідкових даних.
- Застосування математичних засобів і інструментів машинного навчання, таких як геометрія, оптимізація та статистика, до програм комп’ютерного зору.