Степень магистра компьютерного зрения
Universidade Santiago de Compostela
Основная информация
Расположение кампуса
Santiago de Compostela, Испания
Языки
Испанский, Галисийский
Формат исследования
В кампусе
Продолжительность
1 год
Шаг
На постоянной основе
Стоимость обучения
EUR 1 089
Крайний срок подачи заявок
Запросить информацию
Самая ранняя дата начала
Oct 2024
Введение
Компьютерное зрение — это способность видеть в машинах, то есть извлекать пространственно-временную структуру изображений/видео, чтобы полностью интерпретировать сцену. Это область, в которой ведется обширная исследовательская деятельность, но речь идет не только об исследованиях. Технологии компьютерного зрения могут способствовать повышению благосостояния, экономическому росту и экологической устойчивости быстрее и с меньшими затратами, чем когда-либо прежде.
Автоматическое понимание нашего визуального мира никогда не было так важно в таких приложениях, как здравоохранение, промышленность 4.0, мобильная робототехника, безопасность инфраструктуры и услуг, безопасность дорожного движения, автономные транспортные средства, отдых, реклама и многое другое. Эта степень магистра предлагает междисциплинарную специализацию по общим основам компьютерного зрения. Магистерская программа направлена на то, чтобы заполнить существующий пробел на северо-западе полуострова и в Португалии в связи с формированием этого профиля, а также на привлечение студентов из других частей Испании, Португалии и других стран.
Учебный план
План обучения состоит из 15 предметов, включая внешние стажировки и магистерскую диссертацию (TFM). В результате получается академическое предложение в размере 105 ECTS (30 ECTS для TFM, 3 ECTS для внешних стажировок, 48 ECTS для обязательных предметов и 24 ECTS для факультативов). Чтобы получить степень магистра в области компьютерного зрения, студент должен набрать 90 ECTS.
Магистратура состоит из 6 модулей, три из которых направлены на приобретение навыков в области сквозных технологий компьютерного зрения и, следовательно, применимы к большому количеству областей; Два других модуля посвящены конкретным технологиям и методологиям двух больших групп приложений: промышленных и инженерных приложений и приложений биомедицинской визуализации; и модуль TFM.
Обучение, как правило, будет развиваться путем сочетания очного и дистанционного обучения (в основном) посредством мастер-классов с теоретическим и практическим компонентами (практическое занятие), на которых учащиеся будут использовать компьютерные инструменты для закрепления изученных концепций и методов. Развитие преподавания будет дополняться интегрированными методиками преподавания, в которых будут разрабатываться совместные и проектные учебные мероприятия.
В дистанционном образовании важно сочетать использование синхронных медиа (видеоконференций) с асинхронными (виртуальные классы). Материалы курса будут доступны достаточно заранее, чтобы студенты могли заранее знать, какие мероприятия предстоит выполнить, исходное содержание, на котором они основаны, рекомендуемую литературу, соответствующий календарь мероприятий и процедуру мониторинга и оценки.
Для академического обучения те же механизмы можно использовать с помощью универсальных инструментов видеоконференций в сочетании с электронной почтой и телефоном. Работа вне класса будет включать в себя самостоятельную работу, работу под присмотром, решение проблем и участие в дискуссионных форумах на виртуальной платформе.
Результат программы
Его междисциплинарный характер основан на том факте, что (i) многие из его результатов основаны на результатах нейробиологии и основаны на них, (ii) сложность проблем как с геометрической, статистической, так и с вероятностной точки зрения требует хорошей подготовки в области нейробиологии. Математика, (iii) фотометрическая размерность изображений, решение плохо обусловленных задач, мультиспектральный анализ или источники шума в изображениях являются областью физики, (iv) технологии для камер, связи и аппаратного обеспечения происходят из различные инженерные решения (v) и вычислительные модели, необходимые для обработки и обучения больших объемов данных, позволяют разрабатывать новые парадигмы в области вычислений.
С другой стороны, ее высокий технологический потенциал очевиден из того факта, что это дисциплина, которая позволяет быстро применять все ее теоретические результаты, что делает ее сквозной инженерией, которая может быть интегрирована в множество систем различного применения.
Таким образом, мы столкнулись с технологическим сектором, который требует высокой степени подготовки своих специалистов и научный интерес которого развивается с огромной скоростью. Интерес на академическом уровне возникает по двум направлениям: с одной стороны, есть студенты, которые только что закончили учебу и стремятся получить более высокую специализацию, прежде чем выйти на рынок труда. С другой стороны, существует множество исследовательских групп, занимающихся компьютерным зрением, которым требуется степень магистра в этой области, что позволяет им обучать студентов, которые собираются написать докторскую диссертацию.
Галерея
Идеальные студенты
Рекомендуемый профиль дохода:
- Математическая подготовка, эквивалентная как минимум инженерному образованию.
- Знание программирования на таких языках, как C/C++ или Java, или прототипирования, например Matlab или Python.
- Знание английского языка для понимания, письма и разговорной речи, как минимум эквивалентное уровню B2 европейских стандартов владения языками Совета Европы.
Карьерные возможности
Эта степень магистра с академическим профилем, с практическим и прикладным подходом (усиленная TFM в 30 ECTS, минимальным требованием в соответствии с португальскими правилами), дает навыки и опыт, которые позволяют немедленно применять знания для создания высококвалифицированных специалистов. профессионалы, способные принести немедленную выгоду отрасли, профессионалы с предпринимательскими способностями или исследователи, которые намереваются начать докторантуру в развивающейся научной области. Ожидается, что по завершении обучения студенты будут компетентны в:
- Чтение и понимание текущих исследовательских публикаций по методам компьютерного зрения.
- Использование фундаментальных инструментов, обычно используемых для разработки приложений компьютерного зрения.
- Внедрение приложений компьютерного зрения на основе современных алгоритмов.
- Проводить экспериментальный анализ и тесты в соответствии с текущей практикой в области компьютерного зрения, включая стандартные показатели и наборы справочных данных.
- Применение инструментов математического и машинного обучения, таких как геометрия, оптимизация и статистика, в приложениях компьютерного зрения.