Subject
Препознавање на облици
| 1. | Course Title |
Препознавање на облици Shape recognition |
||||||||||||
| 2. | Code | m23_s_027 | ||||||||||||
| 3. | Study Programme | — | ||||||||||||
| 4. | Organizer of the study programme (unit, institute, department or division) | Faculty of Computer Science and Engineering | ||||||||||||
| 5. | Degree level (first, second, third cycle) | Second cycle | ||||||||||||
| 6. | Academic year / semester | 10 / Summer | ||||||||||||
| 7. | Number of ECTS credits | 6 | ||||||||||||
| 8. | Teacher | Дејан Ѓорѓевиќ, Ѓорѓи Маџаров | ||||||||||||
| 9. | Prerequisites for enrolling in the course | — | ||||||||||||
| 10. | Objectives of the course programme (competences) | Целта на курсот е студентите да се запознаат со основите на модерните техники од областа на препознавање на облици и класификација на примероци. По завршувањето на курсот кандидатите: ќе имаат продлабочени знаења за напредните технологии и методи за препознавање на облици; ќе можат да разберат, анализираат и формулираат генерални проблеми од областа на препознавање на облици; ќе можат успешно да применат алгоритми за анализа и препознавање на облици при решавање на реални проблеми; ќе можат да конципираат, анализираат, реализираат и проценат перформанси на систем за препознавање на примероци. | ||||||||||||
| 11. | Course content | Машинска перцепција. Теорија на статистичко одлучување. Баесова теорија на одлучување. Оптимални одлуки, класификација, веројатносни распределби. Димензионалност, капацитет на калсификатор, избор на модел, обука, евалуација, комплексност. Параметарски пристап кон учењето. Основни статистички техники, поместување и варијанса; проценка на густина, регресиона и анализа на дискриминанта. Непараметарски техники, методи на најблизок сосед, флексибилни метрики. Линеарни дискриминантни функции, Фишеров класификатор, невронски мрежи и машини со носечки вектори како класификатори. Неметрички методи, дрва за одлучување. Маркови вериги, примена на скриен марков модел за класификација. Користење на контекстот во препознавањето на облици. Стохастички методи, генетски алгоритми. Проценка на грешка, емпириски критериуми за грешка, интервал на доверливост. Екстракција на обележја, анализа на главни компоненти, избор на подмножество на обележја. Bagging, boosting, комбинирање на класификатори. Дизајн, анализа, имплементација и апликација на алгоритми за препознавање на облици. Практична примена, препознавање на текст, ракопис, говор. Анализа на сцена, роботска визија. |
||||||||||||
| 12. | Learning methods | Предавања поддржани со презентации преку слајдови, интерактивни предавања, вежби (користење на опрема и софтверски пакети), тимска работа, пример случаи, поканети гости предавачи, самостојна изработка и одбрана на проектна задача и семинарска работа, учење во електронско опкружување (форуми, консултации). | ||||||||||||
| 13. | Total available time | 6 ECTS x 30 hours = 180 hours | ||||||||||||
| 14. | Distribution of available time | 60 + 0 + 45 + 45 + 30 = 180 hours | ||||||||||||
| 15. | Forms of teaching activities |
|
||||||||||||
| 16. | Other forms of activities |
|
||||||||||||
| 17. | Assessment method |
|
||||||||||||
| 18. | Grading criteria (points / grade) |
|
||||||||||||
| 19. | Requirement for obtaining a signature and taking the final exam | реализирани активности | ||||||||||||
| 20. | Language of instruction | Macedonian and English | ||||||||||||
| 21. | Method for monitoring the quality of teaching | internal evaluation and survey mechanism | ||||||||||||
| 22. | Literature |
|
