Μεταπτυχιακό στο Όραμα Υπολογιστών
Santiago de Compostela, Ισπανία
ΔΙΆΡΚΕΙΑ
1 Years
ΓΛΏΣΣΕΣ
Ισπανικά, Γαλικιανός
ΡΥΘΜΌΣ
Πλήρης απασχόληση
ΠΡΟΘΕΣΜΊΑ ΕΦΑΡΜΟΓΉΣ
Προθεσμία υποβολής αιτήσεων
ΠΡΩΙΜΌΤΕΡΗ ΗΜΕΡΟΜΗΝΊΑ ΈΝΑΡΞΗΣ
Oct 2024
ΔΊΔΑΚΤΡΑ
EUR 1.089
ΜΟΡΦΉ ΜΕΛΈΤΗΣ
Στην Πανεπιστημιούπολη
Εισαγωγή
Η όραση υπολογιστή είναι η ικανότητα να βλέπει κανείς σε μηχανές, δηλαδή να εξάγει τη χωροχρονική δομή εικόνων/βίντεο προκειμένου να ερμηνεύσει πλήρως μια σκηνή. Είναι ένας τομέας στον οποίο πραγματοποιείται άφθονη ερευνητική δραστηριότητα, αλλά δεν αφορά μόνο την έρευνα. Οι τεχνολογίες υπολογιστικής όρασης έχουν τη δυνατότητα να συμβάλλουν στην ευημερία, την οικονομική ανάπτυξη και την περιβαλλοντική βιωσιμότητα ταχύτερα και με χαμηλότερο κόστος από ποτέ.
Η αυτόματη κατανόηση του οπτικού μας κόσμου δεν ήταν ποτέ πιο σημαντική σε εφαρμογές όπως: υγειονομική περίθαλψη, βιομηχανία 4.0, ρομποτική κινητής τηλεφωνίας, ασφάλεια υποδομών και υπηρεσιών, οδική ασφάλεια, αυτόνομα οχήματα, αναψυχή, διαφήμιση και άλλα. Αυτό το μεταπτυχιακό προσφέρει μια διεπιστημονική εξειδίκευση στις γενικές βασικές αρχές της όρασης υπολογιστών. Το μεταπτυχιακό στοχεύει να καλύψει το σημερινό κενό στα βορειοδυτικά της χερσονήσου και της Πορτογαλίας σε σχέση με τη διαμόρφωση αυτού του προφίλ, αλλά στοχεύει επίσης να προσελκύσει φοιτητές από άλλα μέρη της Ισπανίας, της Πορτογαλίας και διεθνώς.
Διδακτέα ύλη
Το πρόγραμμα σπουδών αποτελείται από 15 θέματα, συμπεριλαμβανομένων των εξωτερικών πρακτικών και της μεταπτυχιακής διατριβής (TFM). Το αποτέλεσμα είναι μια ακαδημαϊκή προσφορά 105 ECTS (30 ECTS για TFM, 3 ECTS για εξωτερική πρακτική άσκηση, 48 ECTS για υποχρεωτικά μαθήματα και 24 για μαθήματα επιλογής). Για να αποκτήσει το Master in Computer Vision, ο φοιτητής πρέπει να περάσει 90 ECTS.
Το Master είναι οργανωμένο σε 6 ενότητες, τρεις από τις οποίες στοχεύουν στην απόκτηση δεξιοτήτων σε τεχνολογίες εγκάρσιας όρασης υπολογιστών και ως εκ τούτου εφαρμόζονται σε μεγάλο αριθμό τομέων. Δύο άλλες ενότητες επικεντρώθηκαν στις συγκεκριμένες τεχνολογίες και μεθοδολογίες δύο μεγάλων ομάδων εφαρμογών: βιομηχανικές και μηχανικές εφαρμογές και εφαρμογές βιοϊατρικής απεικόνισης. και τη μονάδα TFM.
Η διδασκαλία θα αναπτυχθεί γενικά με το συνδυασμό της μάθησης πρόσωπο με πρόσωπο και εξ αποστάσεως (κυρίως), μέσω master classes τόσο με θεωρητικά όσο και πρακτικά στοιχεία (hands-on), στα οποία οι μαθητές θα χρησιμοποιούν εργαλεία υπολογιστή για να εδραιώσουν την εκμάθηση εννοιών και τεχνικών. Η ανάπτυξη της διδασκαλίας θα συμπληρωθεί με ολοκληρωμένες μεθοδολογίες διδασκαλίας στις οποίες θα αναπτυχθούν δραστηριότητες συνεργασίας και μάθησης βάσει έργου.
Στην εξ αποστάσεως εκπαίδευση είναι σημαντικός ο συνδυασμός της χρήσης σύγχρονων μέσων (videoconferencing) με ασύγχρονα μέσα (εικονικές αίθουσες διδασκαλίας). Το υλικό του μαθήματος θα είναι διαθέσιμο αρκετά εκ των προτέρων, ώστε οι μαθητές να μπορούν να γνωρίζουν εκ των προτέρων τις δραστηριότητες που θα πραγματοποιηθούν, το αρχικό περιεχόμενο στο οποίο βασίζονται, τις προτεινόμενες αναγνώσεις, το σχετικό ημερολόγιο δραστηριοτήτων και τη διαδικασία παρακολούθησης και αξιολόγησης.
Για την ακαδημαϊκή διδασκαλία, οι ίδιοι μηχανισμοί μπορούν να χρησιμοποιηθούν μέσω εργαλείων τηλεδιάσκεψης γενικής χρήσης, σε συνδυασμό με email και τηλέφωνο. Η εργασία εκτός της τάξης θα περιλαμβάνει δραστηριότητες αυτοδιδασκαλίας, εποπτευόμενη εργασία, επίλυση προβλημάτων και συμμετοχή σε φόρουμ συζήτησης στην εικονική πλατφόρμα.
Αποτέλεσμα προγράμματος
Η πολυεπιστημονική του φύση βασίζεται στο γεγονός ότι (i) πολλά από τα αποτελέσματά του εμπνέονται και ανατροφοδοτούν τα αποτελέσματα στη Νευροεπιστήμη, (ii) η πολυπλοκότητα των προβλημάτων από γεωμετρική, στατιστική και πιθανολογική άποψη απαιτεί καλή εκπαίδευση σε Τα μαθηματικά, (iii) ) η φωτομετρική διάσταση των εικόνων, η ανάλυση κακώς ρυθμισμένων προβλημάτων, η πολυφασματική ανάλυση ή οι πηγές θορύβου στις εικόνες, είναι ένα πεδίο για τη Φυσική, (iv) οι τεχνολογίες για κάμερες, επικοινωνίες και υλικό προέρχονται από διάφορα Μηχανικά, (v) και τα υπολογιστικά μοντέλα που απαιτούνται για την επεξεργασία και τη μάθηση από μεγάλες ποσότητες δεδομένων, επιτρέπουν την ανάπτυξη νέων παραδειγμάτων εντός της Πληροφορικής.
Από την άλλη πλευρά, οι υψηλές τεχνολογικές του δυνατότητες είναι εμφανείς από το γεγονός ότι είναι ένας κλάδος που επιτρέπει την ταχεία εφαρμογή όλων των θεωρητικών του αποτελεσμάτων, γεγονός που το καθιστά μια εγκάρσια μηχανική που μπορεί να ενσωματωθεί σε πολλαπλά συστήματα διαφορετικών εφαρμογών.
Έτσι, βρισκόμαστε αντιμέτωποι με έναν τεχνολογικό τομέα που απαιτεί υψηλό βαθμό κατάρτισης των επαγγελματιών του και του οποίου το επιστημονικό ενδιαφέρον εξελίσσεται με μεγάλη ταχύτητα. Το ενδιαφέρον σε ακαδημαϊκό επίπεδο εμφανίζεται σε δύο μέτωπα, αφενός υπάρχουν φοιτητές που μόλις τελείωσαν τις πτυχιακές τους σπουδές και αναζητούν μεγαλύτερη εξειδίκευση πριν εισέλθουν στην αγορά εργασίας. Από την άλλη πλευρά, υπάρχουν πολλές ερευνητικές ομάδες αφιερωμένες στην όραση υπολογιστών που απαιτούν μεταπτυχιακό δίπλωμα σε αυτόν τον τομέα που τους επιτρέπει να εκπαιδεύουν φοιτητές που σκοπεύουν να γράψουν μια διδακτορική διατριβή.
Εκθεσιακός χώρος
Ιδανικοί μαθητές
Το προτεινόμενο προφίλ εισοδήματος είναι:
- Μαθηματική εκπαίδευση ισοδύναμη με τουλάχιστον πτυχίο Μηχανικού.
- Γνώση προγραμματισμού σε γλώσσες όπως C/C++ ή Java ή πρωτότυπα όπως Matlab ή Python.
- Γνώση Αγγλικών για κατανόηση, γραφή και ομιλία, τουλάχιστον ισοδύναμη με το επίπεδο Β2 του ευρωπαϊκού πλαισίου αναφοράς για τις γλώσσες του Συμβουλίου της Ευρώπης.
Ευκαιρίες καριέρας
Αυτό το μεταπτυχιακό, με ακαδημαϊκό προφίλ, με πρακτική και εφαρμοσμένη προσέγγιση (ενισχυμένη με TFM 30 ECTS, ελάχιστη απαίτηση σύμφωνα με τους πορτογαλικούς κανονισμούς), παρέχει δεξιότητες και εμπειρία που επιτρέπουν την άμεση εφαρμογή της γνώσης για τη δημιουργία και των δύο άρτια εκπαιδευμένων επαγγελματίες, με ικανότητες να παράγουν άμεσο όφελος για τον κλάδο, ως επαγγελματίες με επιχειρηματική ικανότητα ή ερευνητές που σκοπεύουν να ξεκινήσουν διδακτορικές σπουδές σε ένα αναπτυσσόμενο επιστημονικό πεδίο. Με την ολοκλήρωση της εκπαίδευσης, οι μαθητές αναμένεται να είναι ικανοί σε:
- Ανάγνωση και κατανόηση τρεχουσών ερευνητικών δημοσιεύσεων σχετικά με τεχνικές όρασης υπολογιστή.
- Χρήση βασικών εργαλείων που χρησιμοποιούνται συνήθως για την ανάπτυξη εφαρμογών υπολογιστικής όρασης.
- Υλοποίηση εφαρμογών υπολογιστικής όρασης βασισμένες σε αλγόριθμους τελευταίας τεχνολογίας.
- Διεξαγωγή πειραματικών αναλύσεων και δοκιμών σύμφωνα με την τρέχουσα πρακτική στην όραση υπολογιστών, συμπεριλαμβανομένων τυπικών μετρήσεων και συνόλων δεδομένων αναφοράς.
- Εφαρμογή εργαλείων μαθηματικών και μηχανικής μάθησης, όπως γεωμετρία, βελτιστοποίηση και στατιστικές σε εφαρμογές όρασης υπολογιστών.