Hoppa till huvudinnehållet

Inför kursval

En kurs i datalogi som behandlar grundläggande teori, modeller och metoder för klassificering av data med speciell inriktning mot igenkänning av objekt i bilder.

Kursomgångar saknas för tidigare och kommande terminer, samt för innevarande termin.
* Informationen tillhör Kursplan DD2427 (HT 2016–)

Innehåll och lärandemål

Kursinnehåll

  • Representation och särdragsextraktion i digitala bilder
  • principer för igenkänning och klasssificering, bayesianska beslut
  • diskriminantfunktioner, neurala nätverk, support vector machines
  • inlärning, optimering av klassificerare
  • orientering om igenkänning i biologiskt seende
  • exempel på igenkänning: handskrift, ansikten, objekt.

Lärandemål

Efter genomförd kurs ska du kunna:

  • känna till metoder för särdragsextraktion från digitala bilder
  • identifiera grundläggande begrepp, terminologi, teorier, modeller och metoder inom dataklassificering,
  • utveckla och systematiskt testa ett antal grundläggande metoder för klassificering av data,
  • experimentellt utvärdera algoritmer för klassificering och igenkänning av objekt i gråskalebilder,
  • välja lämplig metod för att automatiskt lösa ett givet Klassificeringsproblem,
  • känna till teorier om hjärnans bearbetning av visuell information för klassificering,

för att

  • kunna lösa allmänna problem gällande datarepresentation och Klassificering,
  • kunna implementera, analysera och utvärdera enkla system för automatisk klassificering av bilder,
  • ha en bred kunskapsbas för att kunna läsa och tillgodogöra dig litteratur inom området.

Kursupplägg

Ingen information tillagd

Kurslitteratur och förberedelser

Särskild behörighet

För fristående kursstuderande:

SF1604 Linjär Algebra, SF1625 Envariabelanalys, SF1626 Flervariabelanalys, DD1337 Programmering eller motsvarande kurser.

Rekommenderade förkunskaper

SF1901 Sannolikhetsteori och statistik, DD2431 Maskininlärning

Utrustning

Ingen information tillagd

Kurslitteratur

Föreläsningsanteckningar, delas ut vid kursstart.

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

A, B, C, D, E, FX, F

Examination

  • INL1 - Inlämningsuppgift, 1,5 hp, betygsskala: P, F
  • LAB1 - Laborationer, 1,5 hp, betygsskala: P, F
  • TEN1 - Tentamen, 3,0 hp, betygsskala: A, B, C, D, E, FX, F

Examinator beslutar, baserat på rekommendation från KTH:s samordnare för funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

I denna kurs tillämpas skolans hederskodex, se: http://www.kth.se/csc/student/hederskodex.

Övriga krav för slutbetyg

Laborationsuppgift (LAB1; 1,5 hp)
Inlämningsuppgift (INL1; 1,5 hp)
Tentamen (TEN1; 3 hp )

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Profile picture Josephine Sullivan

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kurswebb

Ytterligare information om kursen kan hittas på kurswebben via länken nedan. Information på kurswebben kommer framöver flyttas till denna sida.

Kurswebb DD2427

Ges av

CSC/Robotik, perception och lärande

Huvudområde

Datalogi och datateknik

Utbildningsnivå

Avancerad nivå

Påbyggnad

Diskuteras med examinator.

Kontaktperson

Josephine Sullivan, tel: 790 6136, e-post: sullivan@kth.se