Modulbeschreibung

Rechnerarchitektur in der Bildverarbeitung I

Kurzzeichen:
M_VP_11711
ECTS-Credits:
15
Leitidee:

Fachkompetenz:

  • Verständnis von gängigen Rechnerarchitekturen für stark parallelisierbare Anwendungen aus der Bildverarbeitung mit besonderer Betrachtung von FPGA Architekturen. Vergleichende Implementierung bestehender Algorithmen und Anwendung in konkreten Projekten.

Sozialkompetenz:

  • Kommunikations- und Kooperationsfähigkeit

Selbstkompetenz:

  • Selbständigkeit, Verantwortlichkeit
Modulverantwortung:
Bach Carlo
Standort (angeboten):
Buchs
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 FPGA Anwendungen in der Bildverarbeitung wird ein Projekt mittels Projektarbeit und einer Schlusspräsentation bewertet. Im Kurs GPU, Multi/Many Core Computing I: Introduction to HPC wird eine Prüfung bewertet.
Bewertungsart:
Note von 1 - 6
Gewichtung:
Im Kurs FPGA Anwendungen in der Bildverarbeitung wird ein Projekt mittels Projektarbeit (Gewicht 43%) und einer Schlusspräsentation (Gewicht 12%) bewertet. Im Kurs GPU, Multi/Many Core Computing I: Introduction to HPC wird eine Prüfung (Gewicht 45%) bewertet.
Bemerkungen:

Inhalte

Angestrebte Lernergebnisse (Abschlusskompetenzen):

Fachkompetenz:

  • Vergleichende Implementierung bestehender Algorithmen und Anwendung auf schnellen Rechenplattformen 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