THMMY.gr

Τόπικ αποκλειστικά για την επιλογή ή όχι του μαθήματος.
Παρατίθενται οι απόψεις παλαιότερων










post updated

εχουμε καμια προσφατη αποψη για το μαθημα?

Για κάποιον που δεν εχει πάρει ΨΕΣ ( ηλεκτρονηκάριο), υπάρχει καμιά ελπιδα?

+1

στοχαστικο καλο ξερεις?

Στοχαστικό κατι γίνεται ,όχι τρελα πράγματα βέβαια αλλά χρονοσειρές ξέρω σε ικανοποιητικό βαθμό :D

λογικα θα την παλεψεις. θα χεις και μια ιδεα απο διακριτο σημα απο χρονοσειρες, θα χρειαστει για τις εργασιες

Έχουμε καμιά πρόσφατη γνώμη για το μάθημα;

Το μαθημα περσυ ειχε 4 υποχρεωτικες εργασιες κατα τη διάρκεια του εξαμήνου και ως εξεταση ενα τελικο ομαδικο προτζεκτ με θεμα της επιλογης σου (σου δινει καποια και επιλεγεις). Ειναι αρκετα ενδιαφερον και χρήσιμο μάθημα ειδικά αν θέλεις να ασχοληθείς με επεξεργασία σήματος. Δουλευεις σε ματλαμπ. Δε μετανιωσα που το πηρα καθως εμαθα πολλα αλλα θελει να ασχολεισαι πολυ μεσα στο εξαμηνο. Η βοηθεια απο τους διδασκοντες δεν ειναι επαρκης κατα τη γνωμη μου. Το τελικο προτζεκτ το δουλεψαμε μετα το τελος της εξεταστικής και μεχρι 25 περιπου Ιουλιου. Δηλαδη θελει σιγουρα 25 μερες εντατικής δουλειάς. Η παρουσιαση εγινε τέλη Ιουλίου. Ο βαθμός ειναι πολύ καλός στο τέλος. Ολοι πήραμε 10 και δικαιως γιατι χασαμε ολο το καλοκαιρι.

Καμία άλλη άποψη έχουμε;;

Τα ομαδικα project τι θεματα εχουν ? Επισης δουλευεις και επεξεργασια δεδομενων και μηχανικη μάθηση ? Γιατι ακουσα οτι σου δεινει αυτος διαφορα dataset , τι δουλευεις περιπου με αυτα ?

Το μάθημα όντως θέλει ενασχόληση μέσα στο εξάμηνο λόγω των εργασιών, οι οποίες όμως σου δίνουν μια πρώτη (τουλάχιστον για μένα) πρακτική επαφή με την υπολογιστική επεξεργασία σημάτων. Δεν μπορώ να πω ότι οι εργασίες ήταν απλές, αλλά με ενασχόληση οι πρώτες τρεις θεωρώ ότι έβγαιναν με σχετική ευκολία, αλλά και με χρόνο. Η τελευταία είχε να κάνει με την εύρεση της συνάρτησης μεταφοράς που χρησιμοποιείται για να παραχθούν διάφορα φωνήεντα και προσωπικά με δυσκόλεψε αρκετά. Πάντως όσον αφορά τα μέιλ, οι απαντήσεις από τους καθηγητές έρχονταν σχεδόν πάντα πολύ γρήγορα.
Όσον αφορά την ομαδική εργασία επιλέγαμε εμείς αρχικά ένα σύνολο δεδομένων από το PhysioNet και με βάση αυτό οι καθηγητές μας πρότειναν ένα paper μαζί με κάποια βήματα για ανάλυση. Το dataset δηλαδή όριζε πάνω κάτω το θέμα. Το αν θα χρησιμοποιούσες μηχανική μάθηση νομίζω εξαρτιόταν και από την ομάδα. Υπήρχαν ομάδες που χρησιμοποιούσαν και άλλες που όχι. Η ομαδική εργασία συμφωνώ πως ήταν απαιτητική γιατί αφορούσε την εφαρμογή όσων έμαθες (αλλά και κάποιων επιπλέον τεχνικών) σε ένα πιο σύνθετο πρόβλημα. Το τι τεχνικές χρησιμοποιούνταν διέφεραν από ομάδα σε ομάδα. Παρ’ όλα αυτά νομίζω σου έδινε τη δυνατότητα να μάθεις πολλά γιατί έπρεπε να ασχοληθείς με ένα project που δεν βασιζόταν αυστηρά στην ύλη ενός μαθήματος (σε αυτό βοηθούσε το ότι γινόταν ομαδικά), να παρουσιάσεις τα αποτελέσματα μπροστά σε κοινό και να γράψεις ένα paper γι’ αυτό. Αυτό αν και απαιτητικό χρονικά, δεν το συναντάς θεωρώ σε πολλά μαθήματα σ’ αυτό το εύρος.
Αυτά αφορούν την περσινή χρονιά με κ. Χατζηλεοντιάδη και κ. Κίτσα

Παρακολουθήσεις αξίζουν;

Η σύντομη απάντηση:

ΝΑΙ, ΕΙΝΑΙ ΤΟ ΠΙΟ ΩΡΑΙΟ ΜΑΘΗΜΑ ΤΗΣ ΣΧΟΛΗΣ

Η πιο αναλυτική:

Ανεξαρτήτως τομέα, νομίζω το μάθημα αξίζει πάρα πολύ.

Η ύλη περιλαμβάνει στατιστική ανωτέρας τάξης, ανάλυση cepstrum, wavelet transformation, ενώ γίνονται και κάποιες αναφορές σε adaptive filtering. Αυτά είναι πολύ ενδιαφέροντα εργαλεία που δεν τα βλέπεις σε κάποιο άλλο μάθημα, και ειδικά ο μετασχηματισμός κυματιδίων είναι (σχετικά) καινούργιος, σε αντίθεση με το 99% των πραγμάτων που βλέπουμε σε αυτήν τη σχολή. Επίσης, αν και το μάθημα έχει τον όρο Επεξεργασία Σήματος στον τίτλο, ξεφεύγει αρκετά από τα κλασσικά σηματικά μαθήματα, οπότε αν κάποιος έχει πρόβλημα με αυτά, πάλι μπορεί να το δοκιμάσει.

Το μάθημα έχει 4 μικρές υποχρεωτικές εργασίες που δεν θέλουν πάρα πολύ κόπο και γενικά οι διδάσκοντες είναι αρκετά χαλαροί και δίνουν σχεδόν πάντα γενναίες παρατάσεις. Η πρώτη εργασία ήταν απλά να βγάλεις μια σχέση στο χαρτί, ενώ οι άλλες τρεις γίνονταν σε όποιο πρόγραμμα ήθελες. Βολεύει κυρίως το MATLAB γιατί έχει ένα toolbox που βοηθάει, αλλά οι διδάσκοντες επιτρέπουν να το κάνεις όπου θέλεις.

Η εξέταση γίνεται με βάση το project στο οποίο δουλεύετε σε ομάδες 3-5 ατόμων. Πέρσι (εξάμηνο κοβιντ) μας είχαν στείλει μια βάση δεδομένων (https://physionet.org/) από την οποία μπορούσαμε να επιλέξουμε όποια δεδομένα θέλαμε και μετά ο Λεόντιος μας έβγαζε εκφώνηση καθαρά πάνω στα δεδομένα που επιλέξαμε.

Γενικά η εργασία αυτή είναι πάρα πολύ ενδιαφέρουσα καθώς σου δίνει το ελεύθερο να το πας σε όποιο σημείο θέλεις και η εκφώνηση δεν σε περιορίζει, περισσότερο σε κατευθύνει. Ειδικά αν ασχολήθηκες με τις μικρές εργασίες μέσα στο εξάμηνο θα έχεις έτοιμα τα εργαλεία για να κάνεις κάποια πράγματα.

Η αλήθεια είναι ότι θέλει ενασχόληση. Εμείς πέρσι το αφήσαμε τελευταία στιγμή, με αποτέλεσμα τις τελευταίες 10 μέρες πριν την παρουσίαση να λιώνουμε. Ωστόσο επειδή η εργασία ανακοινώνεται σχετικά νωρίς, με σωστή διαχείριση του χρόνου μπορεί να βγει κάτι πολύ καλό χωρίς να ξενυχτήσετε. Και με λίγη προσπάθεια, είναι ένα σίγουρο 10.

Το καλύτερο πράγμα σχετικά με το μάθημα για μένα ήταν ότι ένιωσα πως πραγματικά κάνω ένα πανεπιστημιακό μάθημα. Ο Λέοντιος είναι ίσως ο πιο ακομπλεξάριστος καθηγητής της σχολής, οι παραδόσεις του μάρεσαν (και παραπάνω από ψες) και γενικά η όλη νοοτροπία του μαθήματος είναι να μάθουμε πράγματα και να ερευνήσουμε, παρά να "εξεταστούμε" όπως συμβαίνει στα περισσότερα μαθήματα.

Το μόνο αρνητικό ότι η παρουσίαση του μαθήματος γίνεται προς τα τέλη του Ιούλη (πέρσι 23), αλλά όπως είπα θα έχετε 1.5 μήνα να δουλέψετε στην εργασία οπότε μπορείτε να την έχετε τελειώσει εγκαίρως και να κάνετε διακοπές.

Το είχα παρακολουθήσει σε χρονιά που δεν το είχε ο Λεόντιος, οπότε δεν μπορώ να εκφράσω άποψη για τα διαδικαστικά του μαθήματος, ωστόστο θα συμφωνήσω ότι από άποψη αντικειμένου είναι από τα πιο ενδιαφέροντα μαθήματα που παρακολούθησα στη σχολή, έμαθα πολλά και το ευχαριστήθηκα. Ειδικά αν σου αρέσει το σήμα, μην το σκεφτείς και πολύ, πιθανότατα θα γουστάρεις.

Τα ΨΕΣ του 7ου εξαμηνου ειναι απαραιτητα για να παρουμε το μαθημα;

Όχι

Δεν νομίζω ότι μπορεί να δοθεί 1 απάντηση ναι ή όχι. Εξαρτάται σε μεγάλο βαθμό από τα ενδιαφέροντά σου, τους στόχους σου και τις θυσίες που είσαι διατεθιμένος/η να κάνεις για να τους πετύχεις.

Θα καταθέσω μέρος της δικής μου εμπειρίας που αφορά το εαρινό εξάμηνο του 2023 καθώς έχουν αλλάξει μερικά πράγματα σε σχέση με παλιότερα.

Το μάθημα ξεκίνησε 10 Μαρτίου και η εξέταση-παρουσίαση των ομαδικών εργασιών ήταν στις 5 Οκτωβρίου. Δεν υπήρχε δυνατότητα να το δώσεις Ιούνιο-Ιούλιο.
Επομένως αν χρωστάτε μαθήματα και δουλεύετε την εργασία σοβαρά, υπάρχουν περιθώρια για ελάχιστα μαθήματα στην εξεταστική Σεπτέμβρη.

Οι διαλέξεις σορρυ δεν μου άρεσαν. Είχε βέβαια κάποια κομμάτια που άξιζαν και προσπαθούσαν να σου περάσουν την λογική "think outside the box". Μεγάλο μέρος όμως των διαλέξεων ήταν απλά ανάγνωση διαφανειών, τύποι & έννοιες χωρίς πολλές εξηγήσεις για να "βγει" η ύλη. Στην αρχή του εξαμήνου οι ρυθμοί ήταν πιο λογικοί, αλλά ειδκά στα 3 τελευταία μαθήματα βγάλαν την υπόλοιπη μισή ύλη. Στο προτελευταίο μάθημα έδειξε 170 διαφάνεις και στο τελευταίο 140!

Αν και καταλαβαίνω ότι δεν γίνεται να βγει τόσο μεγάλη ύλη και να παρουσιαστεί και όπως πρέπει ειδικά σε εαρινό εξάμηνο με πολλές χαμένες ώρες, με απογοήτευσε το πως εξελίχθηκε το μάθημα. Ήμουν hyped για new math concepts και δεν πήγε ιδιαίτερα καλά. Μάλιστα επειδή δεν υπήρχε ατομική εργασία πάνω στο 2o μισό της ύλης αλλά και επειδή έτυχε στην ομάδα που ήμουν η εκφώνηση της εργασίας να μην περιλαμβάνει καθόλου το 2ο μισό της ύλης (wavelets etc), δεν έμαθα ποτέ wavelets και ότι άλλο είχε στο 2ο μισό (r.i.p. wavelets :'( ) .

Ο φόρτος μέσα στο εξάμηνο για να βγούν οι ατομικές εργασίες είναι σχετικά οκ, τα περιθώρια αρκετά καλά, δίνουν και γενναίες παρατάσεις. Η τελευταία ατομική είχε περιθώριο μέχρι 1 Σεπτέμβρη. Το toolbox HOSA του MATLAB βοηθά αρκετά, αν και δεν έχει το καλύτερο documentation. Δηλαδή, μπορείς να χρησιμοποιήσεις έτοιμες συναρτήσεις για τις μεθόδους εκτίμησης των μεγεθών που ζητούνται. Επομένως εστιάζεις στην ουσία του προβλήματος που πας να λύσεις.

Μαθαίνεις να δουλεύεις ομαδικά. Χειρίζεσαι πραγματική βάση δεδομένων για 1η φορά ίσως. Αυτό είναι δίκοπο μαχαίρι, γιατί η βάση είναι open access άρα ίσως όχι τόσο προσεγμένη, μπορεί να δουλεύετε 10 μέρες με ασυγχρόνιστα σήματα, να παθαίνετε ομαδική κατάθλιψη, να λέτε να παρατήσω το μάθημα τώρα, χάνω το καλοκαίρι μου κλπ. Αυτό συνέβη αρκετά με την βάση μας η οποία είχε αρκετά προβλήματα.

Επίσης ο Λεόντιος μπορεί να βάλει κάποια ερωτήματα αλλά να μην βγαίνουν όλα. Σίγουρα πρέπει να στέλνετε μαιλ για απορίες που έχετε. Αν δεν λύνετε με απλό μαιλ, μπαίνετε και κλήση. Και δείχνει κατανόηση αν δεν βγουν όλα τα ερωτήματα οπως τα λεει ή και καθόλου μερικά, είναι περισσότερο guidelines με βάση την εμπειρία του.

Αν σε ενδιαφέρει διπλωματική σε Λεόντιο, ή για biomedical engineering σίγουρα βοηθά αυτό το μάθημα, είναι σαν μινι διπλωματική. Επίσης είναι καλή ευκαιρία να μάθεις basics του machine learning το καλοκαίρι και να τα εφαρμόσεις. Επίσης σε δουλειές στο linkedin για signal processing εχω δει να ζηταν να εχεις παρει 1 μαθημα σε advanced signal processing.

Επίσης ένα ακόμα θετικό είναι ότι έχεις ευκαιρία για καθοδηγούμενη έρευνα, που δεν το βρίσκεις σε μάθημα εύκολα. Και αν πάει καλά, και βάλλετε έξτρα δουλειά μπορεί να πάει για δημοσίευση.

Οι βαθμοί είναι καλοί γενικά όπως έχει αναφερθεί και από άλλους.

Αλλά για μένα μέχρι να δεις το φως στο τούνελ ήταν αρκετά ψυχοφθόρο, μές το καλοκαίρι ειδικά... Αν είσαι με καλή παρέα ξεπερνιέται κάπως, ή σας πιάνει όλους λίγη κατάθλιψη xD

Προφανώς η εμπειρία του καθενός συναρτάται και με το θέμα της εργασίας, την βάση, τα ερωτήματα πόσο γρήγορα (δεν) βγήκαν, την ομάδα, πόσο θα ασχολειθείτε με το μάθημα και προφανώς στόχους, ενδιαφέροντα κλπ οπότε είναι καθαρά υποκειμενικό. Για αυτό άλλωστε αν δείτε τις προηγούμενες απαντήσεις διαφέρουν με την δική μου αντίληψη.

Κλείνοντας, αν δεν σε έπεισα να μην το πάρεις :P έχω να πω τα εξής:
1) Καλό κουράγιο το καλοκαίρι
2) Μην έχεις πολλές απαιτήσεις στις διαλέξεις. Κράτα την γενική εικόνα.
3) Ζητείστε παράταση στις ατομικές αν χρειάζεστε
4) Αρχίστε σχετικά νωρίς την ομαδική να μην τρέχετε τελευταία στιγμή
5) Μιλάτε με captain Λεόντιο το καλοκαίρι για τις απορίες σας, θα βοηθήσει (μπορεί να μιλά κάπως ανοιγματικά βέβαια ορισμενες φορες οπότε ξαναρωτατε  :D).

(Οφφ τόπικ: Επίσης πολλές έννοιες στατιστικής που είναι φουλ χρήσιμες για να δουλέψεις καλύτερα την εργασία, και να βγάλλεις συμπεράσματα δεν τις μαθαίνουμε στον κορμό και είναι κάπως άσχημο. Νομίζω στην Ανάλυση Δεδομένων και στις Χρονοσειρές διδάσκονται μερικά από αυτά, αλλά αν δεν τα χεις πάρει... Θα πρεπε να υπάρχει στον κορμό ένα σωστό μάθημα Στατιστικής για Μηχανικούς με python πχ αλλά τεσπα... καλά που χουμε και τις μετρήσεις στο προγραμμα σπουδών.)

Το μάθημα αυτό έχει κάποια μαθήματα προαπαιτούμενα ; Επίσης άμα δεν εχεις κάνει ματλαμπ θα ζοριστείς αρκετά;