Τίτλος Μαθήματος:Aναγνώριση Προτύπων
Διδάσκοντες (ακαδημαϊκό έτος 2020-21):Ανδρέας Συμεωνίδης
Αναπληρωτής Καθηγητής,
asymeon@eng.auth.grΓραφείο: Κτήριο Δ, 4ος όροφος.
Τηλ: 2310 99 4344
Παπαμιχαήλ Μιχάλης
Μεταπτυχιακός Φοιτητής,
mpapamic@issel.ee.auth.grΓραφείο: Κτήριο Γ, 3ος όροφος, Εργαστήριο ΕΠΥ
Θωμάς Καρανικιώτης
Μεταπτυχιακός Φοιτητής,
thomas.karanikiotis@issel.ee.auth.grΓραφείο: Κτήριο Γ, 3ος όροφος, Εργαστήριο ΕΠΥ
Χρονοδιάγραμμα μαθήματοςΤα 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=RWZDV0N4L0dGMGI2cWpwYmlOcUx3Zz09Meeting ID: 974 5482 0666
Passcode: 414065
Σύνοψη μαθήματοςΗ 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 μαθήματοςΜε 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.
ΕξετάσειςΗ 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.
ΕργασίεςΚατα 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.
ΒαθμολογίαΠρόοδος 1 (Ταξινόμηση)- 55% του τελικού βαθμού
Πρόοδος 2 (Ομαδοποίηση)- 45% του τελικού βαθμού
Τελικές Εξετάσεις- 100% του τελικού βαθμού
Τελικός ΒαθμόςΤο 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.grΕπιπλέον 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.