Perche’ scegliere questo curriculum?

Presentazione sul tema: "Perche’ scegliere questo curriculum?"— Transcript della presentazione:

0 Curriculum Grafica e Immagini
Corso di Laurea Specialistica in Informatica Curriculum Grafica e Immagini

1 Perche’ scegliere questo curriculum?
Perché vi piace Perché vi consente di fare più esperienza su: soluzioni di problemi (algoritmi) sviluppo software a basso livello calcolo scientifico manipolazione di dati non alfanumerici Perché nella vita vi piacerebbe fare qualcosa di diverso da scrivere software per le banche…… Perché ci sono settori del mercato (controllo industriale, CAD, biomedicina, entertainment….) per i quali questi contenuti sono più adatti 2 Ottobre 3

2 Struttura generale del curriculum
12 CFU di matematica: Calcolo differenziale e integrale 2 Matematica computazionale 3 Almeno 3 fra i seguenti corsi (che dovreste avere già fatto): Elaborazione di segnali e immagini Grafica Interattiva Soft computing Visione computazionale 2 Ottobre 3

3 Struttura generale del curriculum
Dei restanti crediti (al più 48): Al più 12 CFU scelti da Elenco A (vediamo dopo) Il resto a scelta tra: Algoritmi Geometrici Apprendimento Statistico Immagini Biomediche Metodi di Elaborazione di Segnali e Immagini 1 Metodi di Elaborazione di Segnali e Immagini 2 Modellazione Geometrica Reti Neurali Visione Computazionale 2 2 Ottobre 3

4 Elenco A Architettura dei sistemi integrati
Architetture dei sistemi di gestione dati Architetture parallele 1 e/o 2 (con laboratorio) Implementazione di linguaggi Implementazione di linguaggi 2 (non attivato nel 2003/04) Ingegneria del Software 2 Intelligenza artificiale Intelligenza Artificiale 2 Laboratori specialistici di informatica 1 e/o 2 Modelli dei dati di nuova generazione Sistemi distribuiti 1 e 2 Sistemi e tecnologie della comunicazione Sistemi Operativi 3 Laboratori di fisica, matematica, informatica 1/2/3 Quello non già fatto tra ESI, GI, SC, VC 2 Ottobre 3

5 Struttura dei corsi informatici caratteristici di questo curriculum
2 Ottobre 3

6 Algoritmi geometrici IV anno, 1° sem Docente: Prof. E. Puppo
Prerequisiti: GI (aiuta) algebra lineare (aiuta) C ANSI (meglio C++) Contenuti: Geometria computazionale Strutture dati per entità geometriche nel piano (da CASD) Paradigmi per il progetto di algoritmi geometrici Algoritmi per la soluzione di problemi geometrici nel piano: guscio convesso, intersezione, ricerca geometrica, triangolazione, …… Applicazioni: sistemi informativi geografici Esame: esercitazione laboratorio + orale 2 Ottobre 3

7 Apprendimento statistico
IV anno, 2° sem Docente: Prof. A. Verri Prerequisiti: Probabilità e statistica Amore per e/o voglia di imparare un po’ di matematica (analisi) C ANSI e matlab (che useremo comunque) In effetti, tutto quello che non sapete vi costringeremo a impararlo durante il corso (matematica, C, etc.) Contenuti: Fondamenti statistici della teoria dell’apprendimento da esempi (Bayes, ML, Fisher…) Teoria dell’apprendimento à la Vapnik Support Vector Machines Applicazioni all’Image Understanding Esame: Compiti a casa (laboratorio) durante il corso + prova scritta finale (qualche esercizio in laboratorio) 2 Ottobre 3

8 Immagini biomediche IV anno, 2° sem Docente: Prof. P. Boccacci
Prerequisiti: ESI, Trasformata di Fourier Contenuti: Esempi di immagini biomediche: tomografia a raggi X, risonanza magnetica, immagini funzionali (SPECT , PET) Tomografia a raggi paralleli: trasformata di Radon, proiezioni e sinogramma. Ricostruzione di un oggetto da proiezioni, algoritmo filtered back projection (FBP). Principi base nell'acquisizione e nell'elaborazione di immagini in risonanza magnetica ed ecografia. Metodi algebrici per la ricostruzione da proiezioni Esame: orale Il corso prevede 5 esercitazioni di laboratorio guidate e una visita all’ESA-OTE biomedica 2 Ottobre 3

9 Metodi di elab. di segnali ed immagini 1
IV anno, 2° sem Docente: Prof. M. Bertero Prerequisiti: ESI (3° anno) + Calcolo differenziale e integrale 2, Matemetica computazionale 3 Contenuti: Serie di Fourier Integrale di Fourier Trasformata di Fourier discreta e sue relazioni con serie e integrale di Fourier Sistemi lineari sia per segnali temporali sia per immagini Esame: orale Il corso non prevede esercitazioni di laboratorio 2 Ottobre 3

10 Metodi di elab. di segnali ed immagini 2
V anno, 1° sem Docente: Prof. M. Bertero (no 2003/04) Prerequisiti: MESI 1 Contenuti: Studio delle principali cause di degrado di un'immagine: definizione della Point Spread Function (PSF) di un sistema per la formazione di immagini (telecamera, microscopio, telescopio, ecc.). Esempi di problemi di ricostruzione di immagini:immagini mosse, immagini sfocate, immagini degradate da turbolenza atmosferica, immagini degradate da fenomeni di diffrazione (microscopi e telescopi). Concetti base nella ricostruzione di immagini: problemi non ben posti e instabilità numerica, problemi ai minimi quadrati. Metodi di ricostruzione : metodi di regolarizzazione e di filtraggio e metodi iterativi non lineari. Esame: orale + progetto finale di gruppo Il corso prevede 5 esercitazioni di laboratorio guidate 2 Ottobre 3

11 Modellazione geometrica
IV anno, 2° sem Docente: Prof. L. De Floriani Prerequisiti: Algoritmi Geometrici Contenuti: Rappresentazioni di solidi mediante enumerazione spaziale Rappresentazioni di solidi mediante scomposizioni cellulari: Tetraedralizzazioni Rappresentazioni di solidi mediante la superficie di contorno: Estensione delle suddivisioni piane Diagramma di Voronoi e triangolazione di Delaunay: Proprieta', relazione col guscio convesso 3D Algoritmi di calcolo Applicazioni: Sistemi informativi geografici, computer graphics, computer aided design, realta' virtuale Esame: esercitazione laboratorio + orale 2 Ottobre 3

12 Reti neurali IV anno, 1° sem Docente: Prof. F. Masulli (inizia il 16/10) Prerequisiti: Programmazione (R language), elementi di analisi matematica, algebra lineare, calcolo numerico, probabilita' e statistica Contenuti: Macchine ad apprendimento automatico Apprendimento Bayesiano Reti neurali con supervisore Reti neurali senza supervisore Applicazioni: Classificazione (p.e., riconoscimento di SPAM nell' ) Regressione/predizione (p.e. Previsione indici di borsa) Clustering (p.e. fusione di dati) Esame: esercitazione laboratorio + orale 2 Ottobre 3

13 Visione computazionale 2
V anno, 1° sem Docente: Prof. A. Verri Prerequisiti: VC 1 (aiuta) Amore per e/o voglia di imparare un po’ di matematica (MC 3?) C ANSI e matlab (che useremo comunque) In effetti, tutto quello che non sapete vi costringeremo a impararlo durante il corso (matematica, C, ecc.) Contenuti: Riassunto delle puntate precedenti (VC 1) La ricostruzione 3D: stereo, triangolazione attiva, viste sintetiche, da sequenze di immagini Content-Based Image Retrieval: rappresentazione di immagini e metodi di ricerca per contenuto Esame: Compiti a casa (laboratorio) durante il corso + prova scritta finale (qualche esercizio in laboratorio) 2 Ottobre 3