Modulbeschreibung

Klassifikationsalgorithmen in der Bildverarbeitung II

Kurzzeichen:
M_VP_10701
ECTS-Credits:
15
Leitidee:

Fachkompetenzen:

  • Grundlegende Methoden der Mustererkennung.
  • Verständnis der Algorithmen zur Klassifikation aus dem Bereich der neuronalen Netze, Wahrscheinlichkeitstheorie, Statistik.
  • Anpassung bestehender Algorithmen und Anwendung in konkreten Projekten.

Sozialkompetenz:  

  • Kommunikations- und Kooperationsfähigkeit

Selbstkompetenz:

  • Selbständigkeit, Verantwortlichkeit
Modulverantwortung:
Bach Carlo
Standort (angeboten):
Buchs
Zusätzliche Eingangskompetenzen:
Klassifikation in der Bildverarbeitung I
Modultyp:
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_08 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_13 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_16 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_08 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_13 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_16 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für Technik und IT MSE_20(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Modulbewertung:
Note von 1 - 6

Leistungsnachweise und deren Gewichtung

Während der Unterrichtsphase:
Im Kurs Anwendung von Klassifikationsalgorithmen in der Bildverarbeitung wird ein Projekt mittels Projektarbeit und einer Schlusspräsentation bewertet. Im Kurs Machine Learning wird eine Prüfung geschrieben.
Bewertungsart:
Note von 1 - 6
Gewichtung:

Im Kurs Anwendung von Klassifikationsalgorithmen in der Bildverarbeitung wird ein Projekt mittels Projektarbeit (Gewicht 48%) und einer Schlusspräsentation (Gewicht 12%) bewertet. Im Kurs Machine Learning wird eine Prüfung geschrieben (Gewicht 40%).

Bemerkungen:

Inhalte

Angestrebte Lernergebnisse (Abschlusskompetenzen):

Fachkompetenz:

  • Anpassung bestehender Algorithmen und Anwendung in konkreten Projekten.

Sozialkompetenz:  

  • Kommunikations- und Kooperationsfähigkeit

Selbstkompetenz:

  • Selbständigkeit, Verantwortlichkeit
Modul- und Lerninhalt:

Aufgabe: Mitarbeit in einem einschlägigen Projekt, Tätigkeit im Team, Übernahme einer Teilaufgabe in Selbstverantwortung.

Lieferobjekte: Projekt, Bericht, Schlusspräsentation