THMMY.gr

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.