Erasmus Mundus gemensamt masterprogram i bildbehandling, 120 hp

Syfte

Syftet med programmet är att ge fördjupade kunskaper i den flerdimensionella bild- och videobehandlingen med särskilt fokus på maskininlärning och djupinlärning. Programmet kommer att täcka teoretiska grunder för maskininlärning och djupinlärning samt bild, video, och flerdimensionella visuella signaler. Huvudfokus ligger på användningen av maskininlärning, djupinlärning och artificiell intelligens på visuella signaler. Att integrera olika kunskapsområden kan bidra till att ge en väl avrundad förståelse för funktionerna och begränsningarna hos visuell AI-teknik.

Lärandemål

HÖGSKOLEFÖRORDNINGENS MÅL FÖR MASTEREXAMEN

Kunskap och förståelse
För masterexamen skall studenten
– visa kunskap och förståelse inom huvudområdet för utbildningen, inbegripet såväl brett kunnande inom området som väsentligt fördjupade kunskaper inom vissa delar av området samt fördjupad insikt i aktuellt forsknings- och utvecklingsarbete, och
– visa fördjupad metodkunskap inom huvudområdet för utbildningen.

Färdighet och förmåga
För masterexamen skall studenten
– visa förmåga att kritiskt och systematiskt integrera kunskap och att
analysera, bedöma och hantera komplexa företeelser, frågeställningar och situationer även med begränsad information,
– visa förmåga att kritiskt, självständigt och kreativt identifiera och formulera frågeställningar, att planera och med adekvata metoder genomföra kvalificerade uppgifter inom givna tidsramar och därigenom bidra till kunskapsutvecklingen samt att utvärdera detta arbete,
– visa förmåga att i såväl nationella som internationella sammanhang muntligt och skriftligt klart redogöra för och diskutera sina slutsatser och den kunskap och de argument som ligger till grund för dessa i dialog med olika grupper, och
– visa sådan färdighet som fordras för att delta i forsknings- och utvecklingsarbete eller för att självständigt arbeta i annan kvalificerad verksamhet.

Värderingsförmåga och förhållningssätt
För masterexamen skall studenten
– visa förmåga att inom huvudområdet för utbildningen göra bedömningar med hänsyn till relevanta vetenskapliga, samhälleliga och etiska aspekter samt visa medvetenhet om etiska aspekter på forsknings- och utvecklingsarbete,
– visa insikt om vetenskapens möjligheter och begränsningar, dess roll i samhället och människors ansvar för hur den används, och
– visa förmåga att identifiera sitt behov av ytterligare kunskap och att ta ansvar för sin kunskapsutveckling.

LÄRANDEMÅL FÖR ERASMUS MUNDUS GEMENSAM MASTER I BILDBEHANDLING MED VISUELL AI-SPECIALISERING

Efter avslutad utbildning ska studenten:
• Visa goda kunskaper om forsknings- och utvecklingsläget inom det datatekniska området.
• Visa förtrogenhet med utvecklingstrender och aktuella tillämpningar.
• Visa goda färdigheter inom maskininlärning och djupinlärning för multidimensionella visuella mediaapplikationer, inklusive bildbehandling, datorseende och multi-view geometri.
• Visa goda färdigheter i mjukvaruimplementering av algoritmer och användandet av relevanta mjukvarupaket
• Visa goda färdigheter i att förklara och motivera olika metoder inom artificiell intelligens och maskininlärning.
• Visa god förmåga i alla former av kunskapsskapande genom datautvinning.
• Visa goda färdigheter i att analysera och optimera den tekniska prestandan för olika system och avancerade tjänster.
• Visa avancerade färdigheter i simulering, modellering och analys av algoritmer och system

Innehåll

Inriktning "Immersiv bildteknik"

- Datateknik AV, vid Mittuniversitetet:
Sannolikhetslära och stokastiska processer, 6 hp
Kvantitativ forskning och utveckling, 6 hp
Tillämpad optimering, 6 hp
Datorgrafik, 6 hp
Datamining och maskininlärning, 6 hp
Datorseende och multivygeometri, 6 hp
Neurala nätverk och djupinlärning, 6 hp
Bildanalys, 6 hp
Visualisering, 6 hp
Signal- och bildbehandling, 6 hp *

* Om studenten saknar kurs i databaser måste studenten läsa kursen Datateknik GR (B), Databaser, modellering och implementering, 6 hp, under första läsperioden i första terminen och Signal- och bildbehandling, 6 hp utgår.

- Datavetenskap, vid Tammerfors universitet – 30 hp (ECTS) från valbara kurser listade nedan (exklusive Examensarbete)
Fourieroptik, 5 hp
Imaging Sensors and Systems, 5 hp
Avancerad bildbehandling, 5 hp
Imaging Systems Lab, 5 hp
Deep Learning för datorseende, 5 hp
3D och Extended Reality, 5 hp
Vector Space Methods for Signal and Image Processing, 5 hp
Deep Learning, 5 hp
Examensarbete, 30 hp

Inriktning "Visuell AI"

- Datavetenskap och teknik AV, vid Politecnico di Milano:
Programvaruteknik 2, 5 hp
Artificiella neurala nätverk och djupinlärning, 5 hp
Grunder för verksamhetsforskning, 5 hp
Bildanalys och datorseende, 5 hp
Grunderna i multimediasignalbehandling, 5 hp
Avancerad datorarkitektur, 5 hp
Datorinfrastruktur, 5 hp
Maskininlärning, 5 hp
Tillämpad statistik, 10 hp
Två valbara kurser (totalt 10 hp)

- Datateknik AV, vid Mittuniversitetet:
Förstärkt och virtuell verklighet, 6 hp
Avancerad bildbehandling, 6 hp
Multidimensionell visuell representation och kompression, 6 hp
Kvantitativ forskning och utveckling, 6 hp
Maskininlärning för visuella mediaapplikationer, 6 hp
Examensarbete, 30 hp

Behörighet

Kandidatexamen eller högskoleingenjörsexamen i datateknik eller elektroteknik, eller motsvarande, omfattande minst 180 hp, varav 30 hp matematiska ämnen, inklusive kurser i sannolikhetsteori och statistik och linjär algebra, samt 60 hp datateknik eller motsvarande, inkluderande en kurs inom objektorienterad programmering och någon av följande två kurser: databaser eller signal- och bildbehandling.

Engelska kurs 6 från svenskt gymnasium eller motsvarande.

Programbeskrivning

Utbildningsprogrammet ges på heltid och omfattar två år (120 högskolepoäng).

Urvalsregler

Alternativt urval, se under rubrik "Beskrivning av alternativt urval".

Beskrivning av alternativt urval

Urvalet av studenter görs enligt följande procedur:

EMJM IMAGING-konsortiets kommitté utser en urvalskommitté, som består av en representant för varje partner samt den gemensamma programchefen. Urvalskommittén formulerar urvalskriterier och utför utvärderingen av de behöriga kandidaterna i enlighet med denna.

Urvalskriterierna ska inkludera

1) utvärdering av den akademiska excellensen,

2) sökandens motiveringsbrev och

3) lämnat rekommendationsbrev.

Kriterierna kombineras i en sammanvägd bedömning baserad på viktade koefficienter för varje kriterium.

Efter att ha rangordnat ansökningarna enligt urvalskriterierna upprättar urvalskommittén en antagningslista, en reservlista och en lista över obehöriga sökande.

Spärrar i utbildningen

Särskilda förkunskaper för varje kurs inom programmet anges i respektive kursplan. För att få läsa andra året krävs dessutom att den studerande vid inledningen av årskurs 2 uppnått minst 45 högskolepoäng från kurser i årskurs 1. Studerande som ej uppfyller dessa krav ska kontakta programansvarig avdelning för hjälp med planering.

Undervisning och examination

Undervisnings- och examinationsformer framgår av respektive kursplan. Utbildningen ges på engelska.

Examensbenämning

Masterexamen

Masterexamen med huvudområdet datateknik

vilken översätts till

Degree of Master of Science (120 credits) with a major in Computer Engineering

Övrig information

Under studietiden kan kursernas placering i tiden, namn, innehåll, nivå och poängfördelning genomgå förändringar.

Detta program är inriktningarna ”Visuell AI" och ”Immersiv bildteknik” inom EMJM IMAGING-programmet som godkänts av Europeiska kommissionen.

I spåret "Visuell AI" tillbringar studenterna sitt första år på Politecnico di Milano och sitt andra år vid Mittuniversitetet.

I spåret "Immersiv bildteknik" tillbringar studenter sitt första år vid Mittuniversitetet och andra året vid Tammerfors universitet.

I en tredje inriktning "Image modeling and data-intensive imaging", studerar studenterna vid Politecnico di Milano och Tammerfors universitet.