140 likes | 591 Vues
Corso di Laurea Specialistica in Informatica. Curriculum Grafica e Immagini. 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
E N D
Corso di Laurea Specialistica in Informatica CurriculumGrafica e Immagini
Perche’ sceglierequesto 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
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
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
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
Struttura dei corsi informatici caratteristici di questo curriculum
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
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)
Immagini biomediche IV anno, 2° semDocente: 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
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
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
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
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' e-mail) • Regressione/predizione (p.e. Previsione indici di borsa) • Clustering (p.e. fusione di dati) • Esame:esercitazione laboratorio + orale
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, triangolazioneattiva, vistesintetiche, dasequenzediimmagini • 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)