Title: [Aναγνώριση Προτύπων]-Γενικές πληροφορίες για το μάθημα Post by: Αλέκος από Κω on November 26, 2020, 14:23:23 pm Τίτλος Μαθήματος:
Aναγνώριση Προτύπων Διδάσκοντες (ακαδημαϊκό έτος 2020-21): Ανδρέας Συμεωνίδης Αναπληρωτής Καθηγητής, asymeon@eng.auth.gr Γραφείο: Κτήριο Δ, 4ος όροφος. Τηλ: 2310 99 4344 Παπαμιχαήλ Μιχάλης Μεταπτυχιακός Φοιτητής, mpapamic@issel.ee.auth.gr Γραφείο: Κτήριο Γ, 3ος όροφος, Εργαστήριο ΕΠΥ Θωμάς Καρανικιώτης Μεταπτυχιακός Φοιτητής, thomas.karanikiotis@issel.ee.auth.gr Γραφείο: Κτήριο Γ, 3ος όροφος, Εργαστήριο ΕΠΥ Χρονοδιάγραμμα μαθήματος Τα μαθήματα Θεωρίας και τα Εργαστήρια/Ασκήσεις θα γίνονται με βάση το παρακάτω πρόγραμμα: Τρίτη, 16:00 - 18:00 Πέμπτη, 17:00 - 19:00 και σύμφωνα με το συνημμένο χρονοδιάγραμμα. Με δεδομένο το γεγονός ότι τα μαθήματα θα γίνονται εξ' αποστάσεως, παρακάτω θα βρείτε τα στοιχεία σύνδεση στο αντίστοιχο Zoom Link: Join Zoom Meeting Link https://authgr.zoom.us/j/97454820666?pwd=RWZDV0N4L0dGMGI2cWpwYmlOcUx3Zz09 Meeting ID: 974 5482 0666 Passcode: 414065 Σύνοψη μαθήματος Η αναγνώριση προτύπων (pattern recognition) είναι το πεδίο έρευνας που μελετά τη λειτουργία και το σχεδιασμό συστημάτων που αναγνωρίζουν πρότυπα στα δεδομένα. Συμπεριλαμβάνει τομείς όπως η εξαγωγή χαρακτηριστικών, η εκτίμηση λάθους, η στατιστική και συντακτική αναγνώριση προτύπων. Σημαντικές περιοχές εφαρμογών είναι η ανάλυση εικόνας, η αναγνώριση χαρακτήρων, η ανάλυση φωνής, η αναγνώριση προσώπων, η επικοινωνία ανθρώπου - υπολογιστή και η βιομηχανική επίβλεψη. Στόχοι μαθήματος Με την ολοκλήρωση του μαθήματος, οι φοιτητές/τριες αναμένεται να μπορούν να: -Γνωρίζουν τις βασικές αρχές αναγνώρισης προτύπων και τα κύρια πεδία εφαρμογής των, -Μπορούν να εφαρμόσουν γνωστούς αλγορίθμους σε πιλοτικά προβλήματα, -Επιλέγουν τον κατάλληλο αλγόριθμο αναγνώρισης προτύπων με βάση τις απαιτήσεις του προβλήματος τους, -Σχεδιάζουν τη διαδικασία επίλυσης προβλημάτων μέσης δυσκολίας. Σχετικές Ερευνητικές Περιοχές -Τεχνητή Νοημοσύνη (Artificial Intelligence) -Νευρωνικά Δίκτυα (Neural Networks) -Τεχνητή Όραση (Computer Vision) -Cognitive Sciences and Biological Perception -Στατιστική (Mathematical Statistics) -Μη γραμμική Βελτιστοποίηση (Non Linear Οptimization) -Exploratory Data Analysis Προτεινόμενα Συγγράμματα -"Εισαγωγή στην εξόρυξη δεδομένων (3η έκδοση)", P.N. Tan, M. Steinbach, V. Kumar, Εκδόσεις: Α. Τζιόλλα & υιοί Α.Ε., 2018, ISBN: 978-960-418-813-0, Κωδικός Βιβλίου στον Εύδοξο: 77107675. -"Αναγνώριση Προτύπων (1η έκδοση)", Σ. Θεοδωρίδης, Κ. Κουτρουμπάς, Εκδόσεις Πασχαλίδη, 2011, ISBN: 978-960-489-145-0, Κωδικός Βιβλίου στον Εύδοξο: 13256974. -"Εξόρυξη και Ανάλυση Δεδομένων: Βασικές έννοιες και Αλγόριθμοι (1η έκδοση)", M.J. Zaki, W. Meira, Εκδόσεις Κλειδάριθμος, 2017, ISBN: 978-960-461-770-8, Κωδικός Βιβλίου στον Εύδοξο: 68386089. Εξετάσεις Η εξέταση του μαθήματος γίνεται ηλεκτρονικά με δυο τρόπους: -μέσω 2 προόδων και -μέσω εξέτασεις στο τέλος του εξαμήνου. Η ηλεκτρονική εξέταση γίνεται με ανοιχτές σημειώσεις. Εργασίες Κατα τη διάρκεια του εξαμήνου θα δοθεί προαιρετική εργασία η οποία εκπονηθεί σε ομάδες 2 ατόμων και θα αφορά την αντιμετώπιση ενός προβλήματος ταξινόμησης ή ομαδοποίησης. Στα πλαίσια της εργασίας θα χρησιμοποιηθούν σύνολα δεδομένων (datasets) και προβλήματα από σύγχρονούς διεθνείς διαγωνισμούς. Περισσότερες λεπτομέρειες για την εργασία θα δοθούν κατά την διάρκεια του μαθήματος. Βαθμολογία Πρόοδος 1 (Ταξινόμηση) - 55% του τελικού βαθμού Πρόοδος 2 (Ομαδοποίηση) - 45% του τελικού βαθμού Τελικές Εξετάσεις - 100% του τελικού βαθμού Τελικός Βαθμός Το μέγιστο του βαθμού: {(0.55*Πρόοδος 1 + 0.45* Πρόοδος 2) , Γραπτές εξετάσεις} Παρατηρήσεις: Η συμμετοχή στις Προόδους είναι προαιρετική. Στην περίπτωση επιτυχίας στις Προόδους, η προσέλευση στις Γραπτές εξετάσεις είναι προαιρετική. Η προαιρετική εργασία αποφέρει ΕΩΣ ΚΑΙ + 1.5 μονάδα στην τελική βαθμολογία έφόσον ο τελικός βαθμός είναι μεγαλύτερος ή ίσος του 5 Προσοχή: Αν κάποια/ος μετέχει στις προόδους, και δεν παρουσιαστεί στις γραπτές εξετάσεις, θα σταλεί στη γραμματεία ο βαθμός προόδου της/του. Αν επιθυμεί να ΜΗ ΣΤΑΛΕΙ ο βαθμός θα πρέπει μας ενημερώσει με email στο asymeon@eng.auth.gr Επιπλέον πληροφορίες: To μάθημα διδάσκεται 4 ώρες κάθε εβδομάδα Επιπλέον υλικό: Στην σελίδα του elearning ανεβαίνει όλο το απαραίτητο υλικό των διαλέξεων και της εργαστηριακής άσκησης. Ιστοσελίδες: Iστοσελίδα μαθήματος στο elearning Σχόλια - απόψεις - συμβουλές: Μπορείτε να βρείτε συμβουλές σε αντίστοιχο topic για το μάθημα ΠΡΟΣΟΧΗ! Το παρόν topic θα παραμείνει κλειδωμένο και η διαχείρισή του θα γίνεται απο τους εκάστοτε συντονιστές. Αν θέλετε να "ποστάρετε" την άποψή σας στο τμήμα "Σχόλια - απόψεις - συμβουλές" παρακαλείσθε να την εκφράσετε σε άλλο ξεχωριστό topic και αυτή θα μεταφερθεί στο παρόν από κάποιον συντονιστή. |