Uniwersytet Warszawski, Wydział Nauk Ekonomicznych - Centralny System Uwierzytelniania

Visual recognition

Informacje ogólne

Kod przedmiotu:	1000-318bVR
Kod Erasmus / ISCED:	11.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0612) Database and network design and administration Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu:	Visual recognition
Jednostka:	Wydział Matematyki, Informatyki i Mechaniki
Grupy:	Przedmioty kierunkowe na studiach drugiego stopnia na kierunku bioinformatyka Przedmioty obieralne dla informatyki Przedmioty obieralne na studiach drugiego stopnia na kierunku bioinformatyka Przedmioty obowiązkowe dla I roku Machine Learning
Punkty ECTS i inne:	5.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS: roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS; tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h; 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się; tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS; nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta. zobacz reguły punktacji
Język prowadzenia:	angielski
Rodzaj przedmiotu:	monograficzne
Wymagania (lista przedmiotów):	Głębokie sieci neuronowe (wspólne z 1000-317bDNN) 1000-2M16GSN
Skrócony opis:	Celem przedmiotu jest przedstawienie architektur głębokiego uczenia, technik implementacji, trenowania i debuggowania własnych sieci neuronowych przeznaczonych do rozpoznawania obrazów. Studenci zdobędą wiedzę teoretyczną, informacje na temat współczesnych badań w tej dziedzinie oraz praktyczne umiejętności związane z rozpoznawaniem obrazów.
Pełny opis:	1. Wprowadzenie do rozpoznawania obrazów (metody klasyczne: SIFT, transformacja Hougha) 2. Konwolucyjne sieci neuronowe - powtórzenie 3. Wizualizowanie i rozumienie 4. Wykrywanie przedmiotów 5. Segmentacja semantyczna i segmentacja instancji 6. Rozumienie obrazu wideo 7. Widzenie 3D 8. Modele generatywne
Literatura:	http://www.deeplearningbook.org/
Efekty uczenia się:	Wiedza: student zna i rozumie * Ma uporządkowaną i podbudowaną teoretycznie wiedzę na temat klasyfikacji obrazów oraz detekcji obiektów na obrazie [K_W12]. Umiejętności: student potrafi * Potrafi stworzyć rozbudowane rozwiązanie z zakresu klasyfikacji obrazów i detekcji obiektów na obrazie [K_U15]. Kompetencje społeczne: student jest gotów do * krytycznej oceny posiadanej wiedzy i odbieranych treści [K_K01]; * uznawania znaczenia wiedzy w rozwiązywaniu problemów poznawczych i praktycznych oraz zasięgania opinii ekspertów w przypadku trudności z samodzielnym rozwiązaniem problemu [K_K02]; * myślenia i działania w sposób przedsiębiorczy [K_K03].
Metody i kryteria oceniania:	Laboratoria: projekty. Wykłady: egzamin pisemny.

Zajęcia w cyklu "Semestr letni 2022/23" (w trakcie)

Okres:	2023-02-20 - 2023-06-18	Wybrany podział planu: ten tydzień cykl przedmiotu zobacz plan zajęć
Typ zajęć:	Laboratorium, 30 godzin więcej informacji Wykład, 30 godzin więcej informacji
Koordynatorzy:	Piotr Biliński
Prowadzący grup:	Piotr Biliński, Spyridon Mouselinos, Marcin Możejko, Konrad Staniszewski
Lista studentów:	(nie masz dostępu)
Zaliczenie:	Egzamin

Zajęcia w cyklu "Semestr letni 2023/24" (jeszcze nie rozpoczęty)

Okres:	2024-02-19 - 2024-06-16	Wybrany podział planu: ten tydzień cykl przedmiotu zobacz plan zajęć
Typ zajęć:	Laboratorium, 30 godzin więcej informacji Wykład, 30 godzin więcej informacji
Koordynatorzy:	Piotr Biliński
Prowadzący grup:	Piotr Biliński, Spyridon Mouselinos, Marcin Możejko, Konrad Staniszewski
Lista studentów:	(nie masz dostępu)
Zaliczenie:	Egzamin

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Nauk Ekonomicznych.