Magisterexamen i datorvision
Universidade Santiago de Compostela
Nyckelinformation
Campus läge
Santiago de Compostela, Spanien
språk
Spanska, Galiciska
Studieformat
På Campus
Varaktighet
1 år
Takt
Heltid
Studieavgifter
EUR 1 089
Ansökningstiden
Begär info
Tidigaste startdatum
Oct 2024
Stipendier
Utforska stipendiemöjligheter för att hjälpa till att finansiera dina studier
Introduktion
Datorseende är förmågan att se i maskiner, det vill säga att extrahera den spatiotemporala strukturen av bilder/videor för att helt tolka en scen. Det är ett område där det bedrivs riklig forskningsverksamhet, men det handlar inte bara om forskning. Datorseendeteknologier har potential att bidra till välbefinnande, ekonomisk tillväxt och miljömässig hållbarhet snabbare och till lägre kostnad än någonsin tidigare.
Den automatiska förståelsen av vår visuella värld har aldrig varit viktigare i applikationer som: hälsovård, industri 4.0, mobil robotik, säkerhet för infrastruktur och tjänster, trafiksäkerhet, autonoma fordon, fritid, reklam och mer. Denna magisterexamen erbjuder en tvärvetenskaplig specialisering i de allmänna grunderna för datorseende. Masterprogrammet syftar till att fylla den nuvarande luckan i nordvästra halvön och Portugal i förhållande till bildandet av denna profil, men den syftar också till att locka studenter från andra delar av Spanien, Portugal och internationellt.
Läroplan
Studieplanen består av 15 ämnen, inklusive extern praktik och masteruppsats (TFM). Resultatet är ett akademiskt erbjudande om 105 hp (30 hp för TFM, 3 hp för extern praktik, 48 hp för obligatoriska ämnen och 24 hp för valfria). För att erhålla Master i datorseende måste studenten klara 90 hp.
Mästaren är organiserad i 6 moduler, varav tre syftar till att förvärva färdigheter i transversell datorseendeteknik och därför tillämplig på ett stort antal domäner; Två andra moduler fokuserade på de specifika teknologierna och metoderna för två stora grupper av tillämpningar: industriella och tekniska tillämpningar och biomedicinska avbildningstillämpningar; och TFM-modulen.
Undervisningen kommer i allmänhet att utvecklas genom att kombinera ansikte mot ansikte och distansundervisning (oftast), genom masterklasser med både teoretiska och praktiska komponenter (hands-on), där eleverna kommer att använda datorverktyg för att konsolidera inlärningen av begrepp och tekniker. Utvecklingen av undervisningen kommer att kompletteras med integrerade undervisningsmetoder där kooperativa och projektbaserade lärandeaktiviteter kommer att utvecklas.
Inom distansundervisning är det viktigt att kombinera användningen av synkrona medier (videokonferenser) med asynkrona medier (virtuella klassrum). Kursmaterialet kommer att finnas tillgängligt tillräckligt i förväg så att studenterna i förväg kan veta vilka aktiviteter som ska utföras, det initiala innehållet som de bygger på, rekommenderade läsningar, tillhörande aktivitetskalender och övervaknings- och utvärderingsförfarandet.
För akademisk handledning kan samma mekanismer användas genom allmänna videokonferensverktyg, kombinerat med e-post och telefon. Arbete utanför klassrummet kommer att innefatta självstudieaktiviteter, övervakat arbete, problemlösning och deltagande i diskussionsforum på den virtuella plattformen.
Programresultat
Dess tvärvetenskapliga karaktär bygger på det faktum att (i) många av dess resultat är inspirerade av och återkopplade på resultat inom neurovetenskap, (ii) problemens komplexitet ur både geometrisk, statistisk och probabilistisk synvinkel kräver god träning i Matematik, (iii) ) den fotometriska dimensionen av bilder, upplösningen av dåligt konditionerade problem, multispektral analys eller bruskällorna i bilder, är ett område för fysik, (iv) tekniken för kameror, kommunikation och hårdvara kommer från olika Engineering, (v) och de beräkningsmodeller som krävs för att bearbeta och lära från stora mängder data, möjliggör utvecklingen av nya paradigm inom Computing.
Å andra sidan är dess höga tekniska potential uppenbart från det faktum att det är en disciplin som tillåter snabb tillämpning av alla dess teoretiska resultat, vilket gör det till en transversell ingenjörskonst som kan integreras i flera system med olika applikationer.
Således står vi inför en teknisk sektor som kräver en hög grad av utbildning av sina yrkesverksamma och vars vetenskapliga intresse avancerar med stor hastighet. Intresset på akademisk nivå sker på två fronter, dels är det studenter som precis avslutat sina examensstudier och söker en större specialisering innan de kommer ut på arbetsmarknaden. Å andra sidan finns det flera forskargrupper dedikerade till datorseende som kräver en magisterexamen inom detta område som gör att de kan utbilda studenter som tänker skriva en doktorsavhandling.
Galleri
Idealiska studenter
Den rekommenderade inkomstprofilen är:
- Matematisk utbildning motsvarande minst civilingenjörsexamen.
- Kunskaper om programmering i språk som C/C++ eller Java, eller prototyper som Matlab eller Python.
- Kunskaper i engelska för att förstå, skriva och tala, minst motsvarande nivå B2 i Europarådets europeiska referensram för språk.
Karriärmöjligheter
Denna magisterexamen, med en akademisk profil, med ett praktiskt och tillämpat tillvägagångssätt (förstärkt med en TFM på 30 ECTS, ett minimikrav i enlighet med portugisiska regler), ger färdigheter och erfarenhet som gör att kunskaper kan tillämpas omedelbart för att generera både högutbildade yrkesverksamma, med förmåga att generera omedelbar nytta för branschen, som yrkesverksamma med entreprenörskapacitet, eller forskare som avser att påbörja doktorandstudier inom ett växande vetenskapsområde. Efter avslutad utbildning förväntas studenterna vara kompetenta i:
- Läsa och förstå aktuella forskningspublikationer om datorseendetekniker.
- Användning av grundläggande verktyg som vanligtvis används för att utveckla datorseendeapplikationer.
- Implementering av datorseende applikationer baserade på state-of-the-art algoritmer.
- Genomför experimentella analyser och tester som överensstämmer med nuvarande praxis inom datorseende, inklusive standardmått och referensdatauppsättningar.
- Tillämpning av matematiska verktyg och verktyg för maskininlärning, såsom geometri, optimering och statistik, på datorseendeapplikationer.