PRZETWARZANIE I ANALIZA DANYCH W JĘZYKU PYTHON Kod przedmiotu (USOS)
ANALIZA DANYCH MULTIMEDIALNYCH Kod przedmiotu (USOS)
Nazwa przedmiotu w
ję-zyku polskim Analiza danych multimedialnych Nazwa przedmiotu w
ję-zyku angielskim Analysis of multimedia data A. Usytuowanie przedmiotu w systemie studiów
Poziom kształcenia Studia pierwszego i drugiego stopnia Forma i tryb prowadzenia
studiów Stacjonarne
Kierunek studiów
(dedyko-wany) Informatyka i Systemy Informacyjne Inne kierunki studiów Inżynieria i Analiza Danych
Profil studiów Profil ogólnoakademicki
Specjalność
-Jednostka prowadząca Wydział Matematyki i Nauk Informacyjnych Jednostka realizująca Wydział Matematyki i Nauk Informacyjnych Koordynator przedmiotu Prof. dr hab. inż. Artur Przelaskowski
Zakład CADMED, arturp@mini.pw.edu.pl Osoby prowadzące zajęcia Prof. dr hab. inż. Artur Przelaskowski
192 B. Ogólna charakterystyka przedmiotu
Blok przedmiotów Kierunkowe
Poziom przedmiotu Średniozaawansowany Grupa przedmiotów Obieralne
Status przedmiotu Obieralny Język prowadzenia zajęć Polski
Semestr nominalny 1-3 (II stopień) Minimalny numer semestru 6 (I stopień) Usytuowanie realizacji
w roku akademickim Semestr zimowy/letni Wymagania wstępne /
przed-mioty poprzedzające Algorytmika, przetwarzanie danych / Podstawy przetwarzania obrazów Limit liczby studentów Liczba grup: bez ograniczeń
C. Efekty uczenia się i sposób prowadzenia zajęć
Cel przedmiotu Kompetencje/umiejętności: zdobycie syntetycznej wiedzy w zakresie metod analizy danych multimedialnych, formowania synergicznego przekazu i od-bioru wielu strumieni treści; umiejętności opracowania algorytmów i ich op-tymalizacji według aktualnych możliwości technologicznych, realnych kryte-riów użytkowych oraz nowatorskich wyzwań aplikacyjnych.
Efekty uczenia się Patrz TABELA 1.
Formy zajęć i ich wymiar
(se-mestralny) Wykład 30
Ćwiczenia 0
Laboratorium 0
Projekt 30
Treści kształcenia Celem przedmiotu jest przekazanie wiedzy i umiejętności z obszaru analizy danych multimedialnych, szerzej multimediów w różnorodnej formie i zasto-sowaniu. Wychodząc z przesłanek teoretycznych (ważny element konstruo-wania i optymalizacji semantycznych modeli wielostrumieniowych), doty-czących zarówno danych mierzonych, pozyskiwanych czy tworzonych we-dług określonych reguł, jak też koncepcji rozumienia, poznania i użytkowa-nia zawartej w nich informacji, dobierane/projektowane będą metody przy-gotowania i analizy danych, uzupełnione o sposoby interpretacji jawnej i ukrytej treści oraz form ich wykorzystania. Rozważania oraz problemy roz-wiązywane w kontekście przykładowych modeli użytkowych odnosić się będą do najnowszych technologii multimedialnych, jak też referencyjnych zasobów danych, aktualnych standardów i trendów rozwoju.
Wykład:
1. Wprowadzenie – podstawowe pojęcia: multimedia, zintegrowany przekaz informacji (audio, wideo, tekst, interakcja), media cyfrowe, techniki: pozy-skanie danych źródłowych, zasoby i dostęp, ulepszanie, opis i analiza tre-ści, prezentacja/odtwarzanie, ochrona, technologie i standardy.
2. Informacja multimedialna – pomiar sygnałów, gromadzenie opisów i spe-cyfika kontekstowa, charakterystyka zasobów i sposobów użytkowania;
integracja strumieni, dostosowanie technologii do efektu synergii po-znawczej.
3. Semantyczne modele danych: normalizacja i integracja domeny/repre-zentacji, deskryptory treści, funkcje podobieństwa oraz selektywność jako miara efektywności, charakterystyki i modele obiektów, zarys technologii semantycznych, ustalanie złotego standardu (ground truth)
4. Metody analizy danych: przegląd i klasyfikacja, wydzielanie komponentów treściowych (segmentacje, rozkłady w bazach, ramach, wykorzystanie modeli semantycznych), opis cech składników (ekstrakcja/selekcja/we-ryfikacja danych użytecznych, konstruowanie przestrzeni cech), problem nadzoru, rozpoznanie obiektów/słów/elementów (klasyfikatory, rola
193
nauczyciela, wzorca, niezmienniczość), identyfikacja, liczenie i śledzenie obiektów, konstruowanie przekazu treści ułatwiającego postrzeganie, fu-zja komponentów treści, rekonstrukcja obiektów w 3D itd..
5. Interpretacja danych: rozumienie (rezonans reprezentacji wiedzy i nume-ryki), wyjaśnianie (odwołanie do wiedzy formalnej, praktycznej i poznaw-czej).
6. Przykładowe zastosowania: media webowe, telewizja i szkoła online, pro-dukcja filmów, wizualizacja tekstów, zjawisk fizycznych, myśli, zdalne randkowanie, przekaz treści ukrytej, analiza danych klinicznych (medycz-nych), ustalenie tożsamości, obrazowanie dźwięku, identyfikacja zmysłów itd.
Projekt:
1. Opracowanie aplikacji z zakresu tematyki przedmiotu (p.1-5), na bazie zdobytych podstaw teoretycznych oraz odniesień do modeli pragmatycz-nych i wzorców użytkowych.
2. Weryfikacja narzędzi na grupie wiarygodnych zbiorów testowych, odnie-sienie do rozwiązań referencyjnych.
3. Omówienie opracowanych algorytmów, implementacji i testów, sformuło-wanie wniosków, raportosformuło-wanie.
Metody dydaktyczne Wykład:
Wykład informacyjny Projekt:
Projekt indywidualny, prezentacja, dyskusja, opis realizacji oraz efektów, wnioskowanie
Metody i kryteria oceniania /
regulamin zaliczenia Do zdobycia jest 100 pkt (50 pkt. – projekt, 50 pkt. – kolokwium z treści wy-kładowych). Skala ocen: 0-50 pkt. – ocena 2; 51-60 pkt. – ocena 3;
61-70 pkt. – ocena 3.5; 71-80 pkt. – ocena 4; 81-90 pkt. – ocena 4.5; 91-100 pkt. – ocena 5.
Metody sprawdzania
efek-tów uczenia się Patrz TABELA 1.
Egzamin Nie
Literatura i oprogramowanie 1. A. Przelaskowski, Techniki multimedialne, PW OKNO, 2018
2. M. Sonka, V. Hlavac, R. Boyle, Image processing, analysis, and machine vi-sion, Cengage Learning, 2014.
3. S. Theodoridis, K. Koutroumbas, Pattern Recognition, Elsevier, 2009.
4. R.M. Rangayyan, Biomedical Image Analysis, CRC press 2005.
5. I.H. Witten, A. Moffat, T.C. Bell, Managing Gigabytes, Morgan Kaufmann Publishers, 1999.
Witryna www przedmiotu D. Nakład pracy studenta Liczba punktów ECTS 4 E. Informacje dodatkowe
Uwagi -
TABELA 1. EFEKTY PRZEDMIOTOWE
1. Efekty uczenia się i ich odniesienie do charakterystyk drugiego stopnia Polskiej Ramy Kwalifikacji oraz efektów uczenia się dla kierunków Informatyka i Systemy Informacyjne, Matematyka oraz Inżynieria i Ana-liza Danych
Efekty ucze-nia się dla
modułu
OPIS EFEKTÓW UCZENIA SIĘ Absolwent studiów I/II stopnia na kierunku Informatyka i Systemy Informacyjne / Matematyka /
Inżynieria i Analiza Danych
Odniesienie do charakte-rystyk dru-giego stopnia
PRK
Odniesienie do efektów uczenia się dla
kierun-ków WIEDZA
194
W01 Ma elementarną wiedzę w zakresie podstawowych metod analizy danych multimedialnych, w tym rejestracji i for-mowania przekazu informacji, konstruowania modeli se-mantycznych, opisu, rozumienia i interpretacji multime-diów
I.P6S_WG K_W04, K_W12, K_W13, SI_W09, SI_W10, CC_W11- W02 Zna podstawowe metody, techniki i narzędzia stosowane
przy rozwiązywaniu prostych zadań informatycznych z zakresu analizy multimediów
I.P6S_WG K_W12, SI_W11, CC_W11- UMIEJĘTNOŚCI
U01 Potrafi wykorzystać nabytą wiedzę matematyczną i infor-matyczną do projektowania algorytmów analizy na róż-nych etapach formowania przekazu multimedialnego, w tym ich optymalizacji według realnych kryteriów użytko-wych
I.P6S_UW K_U01, K_U02, U02 Potrafi pozyskiwać informacje z literatury oraz innych
źródeł, dokonywać ich interpretacji oraz wyciągać wnio-ski
I.P6S_UW K_U05, SI_U01, CC_U01 U03 Potrafi planować i przeprowadzać eksperymenty, w tym
pomiary i symulacje komputerowe, interpretować uzy-skane wyniki i wyciągać wnioski
I.P6S_UW K_U08
U04 Potrafi wykorzystać do formułowania i rozwiązywania za-dań inżynierskich metody analityczne, symulacyjne i eks-perymentalne
I.P6S_UW K_U02
KOMPETENCJE SPOŁECZNE K01 Potrafi pracować indywidualnie i w zespole oraz zarządzać
swoim czasem i dotrzymywać terminów I.P6S_UO, I.P6S_KR, 2. Formy prowadzenia zajęć i sposób weryfikacji efektów uczenia się
Zamierzone
efekty Forma zajęć Sposób weryfikacji
W01, W02,
U02, U04 wykład kolokwium wykładowe
W01, W02, U01, U02, U03, U04, K01
projekt ocena projektu na podstawie sprawozdania
z jego realizacji, uwzględniającego wyniki eksperymentu weryfikującego opracowane narzędzia
Opis przedmiotu
PODSTAWY PRZETWARZANIA OBRAZÓW