Website
Modulhandbuch (ab WS 2019/20)

Modul RO4300-KP08

Machine Learning and Computer Vision (MLRAS)

Dauer:


2 Semester
Angebotsturnus:


In der Regel jährlich, vorzugsweise im WiSe
Leistungspunkte:


8
Studiengang, Fachgebiet und Fachsemester:
  • Master Robotics and Autonomous Systems 2019 (Pflicht), Pflicht-Lehrmodule, 1. und 2. Fachsemester
Lehrveranstaltungen:
  • CS4250-Ü: Computer Vision (Übung, 1 SWS)
  • CS4250-V: Computer Vision (Vorlesung, 2 SWS)
  • CS5450-Ü: Maschinelles Lernen (Übung, 1 SWS)
  • CS5450-V: Maschinelles Lernen (Vorlesung, 2 SWS)
Workload:
  • 40 Stunden Prüfungsvorbereitung
  • 110 Stunden Selbststudium
  • 90 Stunden Präsenzstudium
Lehrinhalte:
  • Lehrinhalte in der Veranstaltung Maschinelles Lernen:
  • Lernen von Repräsentationen
  • Statistische Lerntheorie
  • VC-Dimension und Support-Vektor-Maschinen
  • Boosting
  • Deep Learning
  • Grenzen der Induktion und Gewichtung der Daten
  • Lehrinhalte in der Veranstaltung Computer Vision:
  • Einführung in das biologische und künstliche Sehen
  • Sensoren, Kameras und optische Abbildungen
  • Bildmerkmale: Kanten, intrinsische Dimension, Hough-Transformierte, Fourier-Deskriptoren, Snakes
  • Tiefensehen, 3D-Kameras
  • Bewegungsschätzung und optischer Fluss
  • Objekterkennung
  • Beispielanwendungen
Qualifikationsziele/Kompetenzen:
  • Lernziele in der Veranstaltung Maschinelles Lernen:
  • Studierende können unterschiedliche Lernprobleme erläutern.
  • Sie können unterschiedliche Verfahren des maschinellen Lernens erklären und beispielhaft anwenden.
  • Sie können für eine gegeben Problemstellung ein geeignetes Lernverfahren auswählen und testen.
  • Sie können die Grenzen der automatischen Datenanalyse erkennen und erläutern.
  • Lernziele in der Veranstaltung Computer Vision:
  • Studierende können die Grundlagen des künstlichen Sehens verstehen.
  • Sie können die Auswahl und Kalibrierung von Kamerasystemen erklären und durchführen.
  • Sie können die wichtigsten Methoden zur Merkmalsextraktion, Bewegungsschätzung, und Objekterkennung erklären und umsetzen.
  • Sie können für unterschiedliche Problemen des künstlichen Sehen beispielhafte Lösungsansätze angeben.
Vergabe von Leistungspunkten und Benotung durch:
  • Mündliche Prüfung
Modulverantwortlicher:
Lehrende:
Literatur:
  • Chris Bishop: Pattern Recognition and Machine Learning - Springer ISBN 0-387-31073-8
  • Vladimir Vapnik: Statistical Learning Theory - Wiley-Interscience, ISBN 0471030031
  • Richard Szeliski: Computer Vision: Algorithms and Applications - Springer, Boston, 2011
  • David Forsyth and Jean Ponce: Computer Vision: A Modern Approach - Prentice Hall, 2003
Sprache:
  • Englisch, außer bei nur deutschsprachigen Teilnehmern
Bemerkungen:

Prüfungsvorleistungen können zu Beginn des Semesters festgelegt werden. Sind Vorleistungen definiert, müssen diese vor der Erstprüfung erbracht und positiv bewertet worden sein.

Prüfungsvorleistungen:
Teilnahme an der Übung,
Bestehen von mindestens 70% der Übungsaufgaben.

Zulassungsvoraussetzungen zum Modul:
- Keine

Letzte Änderung:
22.11.2019