Subject

Introduction to Pattern Recognition

Course Title

Introduction to Pattern Recognition
Introduction to pattern recognition

Code

F23L3W089

Study Programme

—

Organizer of the study programme (unit, institute, department or division)

Faculty of Computer Science and Engineering

Degree level (first, second, third cycle)

First Cycle

Academic year / semester

7 / Winter

Number of ECTS credits

Teacher

Dejan Djordjevic

Prerequisites for enrolling in the course

Artificial Intelligence or Introduction to Data Science or Machine Learning

10.

Objectives of the course programme (competences)

The goal of the course is for students to learn the main concepts of the methods and techniques that are applied for
shape recognition. Upon completion of the course, candidates will be qualified to design,
realization and implementation of systems for automatic shape recognition, assessment of their
performance and their optimization.

11.

Course content

Lectures:
1. Вовед во проблематиката на препознавање на облици.
2. Машинска перцепција, компоненти на систем за препознавање на облици.
3. Класификатори базирани на Баесовата теорија на одлучување, Линеарни класификатори.
4. Видови на обележја, екстракција на обележја, селекција на обележја.
5. Машинско учење за препознавање на облици. Надгледувано, ненадгледувано учење, полунадгледувано учење учење, проценка на перформанси на калсификатор
6. Непараметарски методи за класификација, kNN класификатор, имплементација, kd дрва.
7. Неметрички методи за класификација, дрва за одлучување, обука, поткастрување.
8. Класификатори со големи маргини, кернел техники, Машини со носечки вектори.
9. Bias/Variance декомпозиција, ансамбли од класификатори, фузија на обележја
10. Невронски мрежи и длабоки архитектури за препознавање на облици
11. Ненадгледувано учење, кластерирање
12. Примена во реални системи за препознавање на облици и специфики

Practical Classes:
1. Алатки за анализа на податоци и препознавање на облици
2. Библиотеки за анализа на податоци и препознавање на облици
3. Задачи - Баесов класификатор, линеарен класификатор, логистичка регресија
4. Задачи - екстракција на обележја, трансформација на обележја, селекција на обележја
5. Процедура за надгледувано учење и проценка и евалуација на перформанси и метрики
6. Задачи со kNN класификатор и kd дрва
7. Задачи со дрва на одлучување и екстракција на знаење
8. Задачи со машини со носечки вектори
9. Задачи анасмбли од класификатори и фузија на обележја
10. Задачи од невронски мрежи и дефинирање на архитектури на мрежи
11. Задачи од ненадгледувано учење
12. Имплементација на реални системи за препознавање на облици

12.

Learning methods

lectures, classroom exercises, laboratory exercises, project assignments, homework

13.

Total available time

6 ECTS x 30 hours = 180 hours

14.

Distribution of available time

30 + 45 + 15 + 15 + 75 = 180 hours

15.

Forms of teaching activities

15.1.	Lectures - theoretical instruction	30 hours
15.2.	Exercises (laboratory, auditory), seminars, teamwork	45 hours

16.

Other forms of activities

16.1.	Project assignments	15 hours
16.2.	Independent assignments	15 hours
16.3.	Home study	75 hours

17.

Assessment method

17.1.	Tests	10 points
17.2.	Seminar paper / project (presentation: written and oral)	15 points
17.3.	Activities and learning	10 points
17.4.	Final exam	70 points

18.

Grading criteria (points / grade)

up to 50 points	5 (five) (F)
from 51 to 60 points	6 (six) (E)
from 61 to 70 points	7 (seven) (D)
from 71 to 80 points	8 (eight) (C)
from 81 to 90 points	9 (nine) (B)
from 91 to 100 points	10 (ten) (A)

19.

Requirement for obtaining a signature and taking the final exam

Completed activities 15, 16

20.

Language of instruction

Macedonian and English

21.

Method for monitoring the quality of teaching

internal evaluation and surveys

22.

Literature

22.1.	Required literature 1. R.O. Duda, P.E. Hart and D. Stork \| Pattern Classification \| John Wiley and Sons \| 2001 2. Sergios Theodoridis, Konstantinos Koutroumbas \| Pattern Recognition \| Academic Press \| 2006
22.2.	Additional literature No. Author Title Publisher Year