Tietokonenäön maisterin tutkinto
Universidade Santiago de Compostela
Keskeiset tiedot
Kampuksen sijainti
Santiago de Compostela, Espanja
Kieli (kielet
Espanja, Galicialainen
Opintomuoto
Kampuksella
Kesto
1 vuosi
Vauhti
Täysaikainen
Lukukausimaksut
EUR 1 089
Hakemuksen määräaika
Pyydä tietoja
Aikaisin aloituspäivä
Oct 2024
Johdanto
Tietokonenäkö on kykyä nähdä koneissa, eli poimia kuvien/videoiden spatiotemporaalinen rakenne, jotta kohtaus voidaan tulkita täysin. Se on ala, jolla tehdään runsaasti tutkimustoimintaa, mutta kyse ei ole vain tutkimuksesta. Tietokonenäköteknologialla on potentiaalia edistää hyvinvointia, talouskasvua ja ympäristön kestävyyttä nopeammin ja halvemmalla kuin koskaan ennen.
Visuaalisen maailmamme automaattinen ymmärtäminen ei ole koskaan ollut tärkeämpää sovelluksissa, kuten terveydenhuolto, teollisuus 4.0, mobiilirobotiikka, infrastruktuurin ja palveluiden turvallisuus, tieturvallisuus, autonomiset ajoneuvot, vapaa-aika, mainonta ja paljon muuta. Tämä maisterin tutkinto tarjoaa monitieteisen erikoistumisen tietokonenäön yleisiin perusteisiin. Maisterin tavoitteena on täyttää nykyinen aukko niemimaan luoteisosassa ja Portugalissa suhteessa tämän profiilin muodostumiseen, mutta se pyrkii houkuttelemaan opiskelijoita myös muualta Espanjasta, Portugalista ja kansainvälisesti.
Opetussuunnitelma
Opintosuunnitelma koostuu 15 oppiaineesta, mukaan lukien ulkopuoliset harjoittelut ja pro gradu -tutkielma (TFM). Tuloksena on 105 op:n akateeminen tarjous (30 ECTS TFM:stä, 3 ECTS ulkopuolisista harjoittelupaikoista, 48 ECTS pakollisista aineista ja 24 opintopisteistä valinnaisista aineista). Master in Computer Vision -tutkinnon suorittamiseksi opiskelijan on suoritettava 90 op.
Master on jaettu 6 moduuliin, joista kolme on tarkoitettu poikittaisten tietokonenäkötekniikoiden taitojen hankkimiseen ja siksi sovellettavissa useille aloille; Kaksi muuta moduulia keskittyivät kahden suuren sovellusryhmän erityistekniikoihin ja menetelmiin: teollisiin ja teknisiin sovelluksiin sekä biolääketieteellisiin kuvantamissovelluksiin; ja TFM-moduuli.
Opetusta kehitetään yleensä yhdistämällä kasvokkain ja etäopiskelu (enimmäkseen) mestarikursseilla, joissa on sekä teoreettisia että käytännön osia (hand-on), joissa opiskelijat käyttävät tietokonetyökaluja konseptien ja tekniikoiden oppimisen lujittamiseen. Opetuksen kehittämistä täydennetään integroiduilla opetusmetodologioilla, joissa kehitetään yhteistyö- ja projektipohjaista oppimista.
Etäopetuksessa on tärkeää yhdistää synkronisen median käyttö (videoneuvottelut) asynkroniseen mediaan (virtuaaliset luokkahuoneet). Kurssimateriaali on saatavilla riittävän ajoissa, jotta opiskelijat tietävät etukäteen suoritettavat toiminnot, niiden perustana olevan alkuperäisen sisällön, suositeltavat lukemat, siihen liittyvän toimintakalenterin sekä seuranta- ja arviointimenettelyn.
Akateemisessa tutoroinnissa samoja mekanismeja voidaan käyttää yleiskäyttöisten videoneuvottelutyökalujen kautta yhdistettynä sähköpostiin ja puhelimiin. Luokkahuoneen ulkopuoliseen työhön sisältyy itseopiskelua, ohjattua työtä, ongelmanratkaisua ja osallistumista keskustelufoorumeihin virtuaalialustan kautta.
Ohjelman tulos
Sen monitieteisyys perustuu siihen, että (i) monet sen tuloksista ovat inspiroituneita neurotieteen tuloksista ja palaavat niihin, (ii) ongelmien monimutkaisuus sekä geometrisesta, tilastollisesta että todennäköisyydestä vaatii hyvää koulutusta. Matematiikka, (iii) ) kuvien fotometrinen ulottuvuus, huonosti käsiteltyjen ongelmien ratkaisu, monispektrianalyysi tai kuvien kohinan lähteet ovat fysiikan alaa, (iv) kameroiden, viestinnän ja laitteistojen teknologiat ovat peräisin erilaiset tekniikat (v) ja laskentamallit, joita tarvitaan suurten tietomäärien käsittelyyn ja niistä oppimiseen, mahdollistavat uusien paradigmojen kehittämisen Computingissa.
Toisaalta sen korkea teknologinen potentiaali käy ilmi siitä, että se on tieteenala, joka mahdollistaa kaikkien sen teoreettisten tulosten nopean soveltamisen, mikä tekee siitä poikkisuuntaisen suunnittelun, joka voidaan integroida useisiin eri sovellusten järjestelmiin.
Edessämme on siis teknologia-ala, joka vaatii ammattilaisilta korkeatasoista koulutusta ja jonka tieteellinen kiinnostus etenee hurjaa vauhtia. Kiinnostus akateemista tasoa kohtaan ilmenee kahdella rintamalla, toisaalta on juuri tutkinnon suorittaneita opiskelijoita, jotka hakevat lisää erikoistumista ennen työmarkkinoille pääsyä. Toisaalta on olemassa useita tietokonenäköön omistettuja tutkimusryhmiä, jotka edellyttävät alan maisterin tutkintoa, jonka avulla he voivat kouluttaa opiskelijoita, jotka aikovat kirjoittaa väitöskirjan.
Galleria
Ihanteelliset opiskelijat
Suositeltu tuloprofiili on:
- Vähintään insinööritutkintoa vastaava matemaattinen koulutus.
- Ohjelmoinnin tuntemus kielillä, kuten C/C++ tai Java, tai prototyyppien, kuten Matlab tai Python, tuntemus.
- Englannin kielen ymmärtäminen, kirjoittaminen ja puhuminen, vähintään Euroopan neuvoston eurooppalaisen kielten viitekehyksen tasoa B2 vastaava.
Uramahdollisuudet
Tämä maisterin tutkinto, jolla on akateeminen profiili, käytännöllinen ja sovellettu lähestymistapa (parannettu 30 ECTS:n TFM:llä, vähimmäisvaatimus Portugalin säännösten mukaisesti), tarjoaa taitoja ja kokemusta, jonka avulla tietoa voidaan soveltaa välittömästi korkeasti koulutettujen luomiseksi. ammattilaisia, joilla on kyky tuottaa välitöntä hyötyä teollisuudelle, yrittäjäkykyisinä ammattilaisina tai tutkijoina, jotka aikovat aloittaa tohtoriopinnot kasvavalla tieteenalalla. Koulutuksen päätyttyä opiskelijalta edellytetään pätevyyttä:
- Nykyisten tietokonenäkötekniikoiden tutkimusjulkaisujen lukeminen ja ymmärtäminen.
- Tietokonenäkösovellusten kehittämiseen yleisesti käytettyjen perustyökalujen käyttö.
- Tietokonenäkösovellusten toteutus huippuluokan algoritmeihin perustuen.
- Suorita kokeellisia analyysejä ja testejä, jotka ovat sopusoinnussa nykyisen tietokonenäön käytännön kanssa, mukaan lukien standardimittaukset ja viitetietojoukot.
- Matemaattisten ja koneoppimistyökalujen, kuten geometrian, optimoinnin ja tilastojen soveltaminen tietokonenäkösovelluksiin.