Master-Abschluss in Computer Vision
Universidade Santiago de Compostela
Schlüsselinformation
Campus-Standort
Santiago de Compostela, Spanien
Sprachen
Spanisch, Galizisch
Studienformat
Auf dem Campus
Dauer
1 Jahr
Tempo
Vollzeit
Studiengebühren
EUR 1.089
Bewerbungsschluss
Infos anfordern
frühestes Startdatum
Oct 2024
Einführung
Unter Computer Vision versteht man die Fähigkeit, in Maschinen zu sehen, also die raumzeitliche Struktur von Bildern/Videos zu extrahieren, um eine Szene vollständig zu interpretieren. Es ist ein Bereich, in dem zahlreiche Forschungsaktivitäten durchgeführt werden, aber es geht nicht nur um Forschung. Computer-Vision-Technologien haben das Potenzial, schneller und zu geringeren Kosten als je zuvor zu Wohlbefinden, Wirtschaftswachstum und ökologischer Nachhaltigkeit beizutragen.
Das automatische Verständnis unserer visuellen Welt war noch nie so wichtig in Anwendungen wie Gesundheitswesen, Industrie 4.0, mobile Robotik, Infrastruktur- und Dienstleistungssicherheit, Verkehrssicherheit, autonome Fahrzeuge, Freizeit, Werbung und mehr. Dieser Masterstudiengang bietet eine interdisziplinäre Spezialisierung auf die allgemeinen Grundlagen des Computer Vision. Der Masterstudiengang zielt darauf ab, die derzeitige Lücke im Nordwesten der Halbinsel und in Portugal in Bezug auf die Bildung dieses Profils zu schließen, zielt aber auch darauf ab, Studierende aus anderen Teilen Spaniens, Portugals und dem Ausland anzuziehen.
Lehrplan
Der Studienplan umfasst 15 Fächer, darunter externe Praktika und die Masterarbeit (TFM). Daraus ergibt sich ein Studienangebot von 105 ECTS (30 ECTS für TFM, 3 ECTS für externe Praktika, 48 ECTS für Pflichtfächer und 24 ECTS für Wahlfächer). Um den Master in Computer Vision zu erhalten, muss der Student 90 ECTS bestehen.
Der Master ist in 6 Module gegliedert, von denen drei auf den Erwerb von Fähigkeiten in transversalen Computer-Vision-Technologien abzielen und daher auf eine Vielzahl von Bereichen anwendbar sind; Zwei weitere Module konzentrierten sich auf die spezifischen Technologien und Methoden zweier großer Anwendungsgruppen: industrielle und technische Anwendungen sowie biomedizinische Bildgebungsanwendungen; und das TFM-Modul.
Der Unterricht wird im Allgemeinen durch die Kombination von Präsenz- und Fernunterricht (meistens) durch Meisterkurse mit sowohl theoretischen als auch praktischen Komponenten (Praxis) entwickelt, in denen die Studierenden Computerwerkzeuge verwenden, um das Erlernen von Konzepten und Techniken zu festigen. Die Entwicklung der Lehre wird durch integrierte Lehrmethoden ergänzt, in denen kooperative und projektbasierte Lernaktivitäten entwickelt werden.
Im Fernunterricht ist es wichtig, den Einsatz synchroner Medien (Videokonferenzen) mit asynchronen Medien (virtuelle Klassenzimmer) zu kombinieren. Das Kursmaterial wird rechtzeitig im Voraus verfügbar sein, so dass die Studierenden im Voraus wissen können, welche Aktivitäten durchgeführt werden sollen, welche Ausgangsinhalte ihnen zugrunde liegen, welche Lektüre empfohlen wird, den zugehörigen Aktivitätskalender und das Überwachungs- und Bewertungsverfahren.
Für akademische Nachhilfe können dieselben Mechanismen durch allgemeine Videokonferenztools in Kombination mit E-Mail und Telefon genutzt werden. Zu den Arbeiten außerhalb des Klassenzimmers gehören Selbstlernaktivitäten, beaufsichtigte Arbeit, Problemlösung und Teilnahme an Diskussionsforen auf der virtuellen Plattform.
Programmergebnis
Sein multidisziplinärer Charakter basiert auf der Tatsache, dass (i) viele seiner Ergebnisse von Ergebnissen der Neurowissenschaften inspiriert sind und auf diese zurückwirken, (ii) die Komplexität der Probleme sowohl aus geometrischer, statistischer als auch probabilistischer Sicht eine gute Ausbildung erfordert Mathematik, (iii)) die photometrische Dimension von Bildern, die Lösung schlecht konditionierter Probleme, multispektrale Analyse oder die Rauschquellen in Bildern sind ein Fachgebiet für die Physik, (iv) die Technologien für Kameras, Kommunikation und Hardware stammen aus Verschiedene Ingenieurwissenschaften (v) und die Rechenmodelle, die für die Verarbeitung und das Lernen großer Datenmengen erforderlich sind, ermöglichen die Entwicklung neuer Paradigmen innerhalb der Informatik.
Andererseits zeigt sich ihr hohes technologisches Potenzial darin, dass es sich um eine Disziplin handelt, die eine schnelle Anwendbarkeit aller theoretischen Ergebnisse ermöglicht, was sie zu einem transversalen Ingenieurwesen macht, das in mehrere Systeme mit unterschiedlichen Anwendungen integriert werden kann.
Wir stehen also vor einem Technologiesektor, der ein hohes Maß an Ausbildung seiner Fachkräfte erfordert und dessen wissenschaftliches Interesse rasch zunimmt. Das Interesse auf akademischer Ebene besteht auf zwei Seiten: Auf der einen Seite gibt es Studierende, die gerade ihr Studium abgeschlossen haben und eine stärkere Spezialisierung anstreben, bevor sie in den Arbeitsmarkt eintreten. Andererseits gibt es mehrere Forschungsgruppen, die sich mit Computer Vision befassen und einen Master-Abschluss in diesem Bereich benötigen, um Studenten auszubilden, die eine Doktorarbeit schreiben möchten.
Galerie
Ideale Studenten
Das empfohlene Einkommensprofil ist:
- Eine mathematische Ausbildung, die mindestens einem Abschluss in Ingenieurwissenschaften entspricht.
- Kenntnisse in der Programmierung in Sprachen wie C/C++ oder Java oder im Prototyping wie Matlab oder Python.
- Englischkenntnisse zum Verstehen, Schreiben und Sprechen, die mindestens dem Niveau B2 des Europäischen Referenzrahmens für Sprachen des Europarats entsprechen.
Karrierechancen
Dieser Masterstudiengang mit akademischem Profil und praktischem und angewandtem Ansatz (erweitert durch ein TFM von 30 ECTS, eine Mindestanforderung gemäß den portugiesischen Vorschriften) vermittelt Fähigkeiten und Erfahrungen, die es ermöglichen, das Wissen sofort anzuwenden, um beide hochqualifiziert zu machen Fachkräfte mit der Fähigkeit, unmittelbaren Nutzen für die Branche zu generieren, als Fachkräfte mit unternehmerischen Fähigkeiten oder als Forscher, die beabsichtigen, ein Doktoratsstudium in einem wachsenden wissenschaftlichen Bereich zu beginnen. Nach Abschluss der Ausbildung wird von den Studierenden erwartet, dass sie über folgende Kompetenzen verfügen:
- Lesen und Verstehen aktueller Forschungspublikationen zu Computer-Vision-Techniken.
- Verwendung grundlegender Werkzeuge, die üblicherweise zur Entwicklung von Computer-Vision-Anwendungen verwendet werden.
- Implementierung von Computer-Vision-Anwendungen auf Basis modernster Algorithmen.
- Führen Sie experimentelle Analysen und Tests durch, die der aktuellen Praxis im Bereich Computer Vision entsprechen, einschließlich Standardmetriken und Referenzdatensätzen.
- Anwendung mathematischer und maschineller Lernwerkzeuge wie Geometrie, Optimierung und Statistik auf Computer-Vision-Anwendungen.