Subject
Препознавање на облици
| 1. | Наслов на наставниот предмет |
Препознавање на облици Shape recognition |
||||||||||||
| 2. | Код | m23_s_027 | ||||||||||||
| 3. | Студиска програма | — | ||||||||||||
| 4. | Организатор на студиската програма (единица, односно институт, катедра, оддел) | Факултет за информатички науки и компјутерско инженерство | ||||||||||||
| 5. | Степен (прв, втор, трет циклус) | Втор циклус | ||||||||||||
| 6. | Академска година / семестар | 10 / Летен | ||||||||||||
| 7. | Број на ЕКТС кредити | 6 | ||||||||||||
| 8. | Наставник | Дејан Ѓорѓевиќ, Ѓорѓи Маџаров | ||||||||||||
| 9. | Предуслови за запишување на предметот | — | ||||||||||||
| 10. | Цели на предметната програма (компетенции) | 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. | Содржина на предметната програма | 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. | Методи на учење | 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. | Вкупен расположив фонд на време | 6 ЕКТС x 30 часа = 180 часа | ||||||||||||
| 14. | Распределба на расположивото време | 60 + 0 + 45 + 45 + 30 = 180 часа | ||||||||||||
| 15. | Форми на наставните активности |
|
||||||||||||
| 16. | Други форми на активности |
|
||||||||||||
| 17. | Начин на оценување |
|
||||||||||||
| 18. | Критериуми за оценување (бодови/ оценка) |
|
||||||||||||
| 19. | Услов за потпис и полагање на завршен испит | реализирани активности | ||||||||||||
| 20. | Јазик на кој се изведува наставата | македонски и англиски | ||||||||||||
| 21. | Метод на следење на квалитетот на наставата | механизам на интерна евалуација и анкети | ||||||||||||
| 22. | Литература |
|
