INF.08040.03 - Praktische Probleme und Anwendungen in der Bildanalyse (Complete module description)

INF.08040.03	5 CP
Module label	Praktische Probleme und Anwendungen in der Bildanalyse
Module code	INF.08040.03
Semester of first implementation
Faculty/Institute	Institut für Informatik
Module used in courses of study / semesters	Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Version of accreditation valid from SoSe 2023 > Bildanalyse und Maschinelles Lernen (Anteil gem. § 5 Abs. 4-6, Anlage 2) Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Version of accreditation valid from SoSe 2023 > Vertiefende Module der Vertiefungsrichtung `Bildanalyse und Maschinelles Lernen`
Responsible person for this module
Further responsible persons	PD Dr. Birgit Möller
Prerequisites	vertiefte Kenntnisse in Bildverarbeitung/-analyse, Mustererkennung sowie in Methoden des Maschinellen Lernens allgemein, wie sie etwa in den Basismodulen "Bildverarbeitung" oder "Maschinelles Lernen in der Bild- und Mustererkennung" der Vertiefungsrichtung "Bildanalyse und Maschinelles Lernen" vermittelt werden - ein vorheriger Besuch von mindestens einem dieser Module wird empfohlen; Programmierkenntnisse
Skills to be acquired in this module	Die Studierenden kennen wichtige Softwaretools und -bibliotheken aus dem Umfeld der Bildverarbeitung und -analyse sowie des Maschinellen Lernens und insbesondere moderne Bibliotheken zum Entwurf und Einsatz von tiefen neuronalen Netzen in der Praxis. Sie können aktuelle Systeme und Methoden zur Bild- und Musteranalyse und deren Grundlagen und Systemarchitekturen verstehen und bewerten. Sie können Bildanalyse- und Mustererkennungssysteme für eine konkrete Aufgabenstellung konzipieren. Sie können dafür die Eignung verschiedener Methoden und Werkzeuge der Bildverarbeitung, Bildanalyse sowie des maschinellen Lernens einschätzen und passende Ansätze auswählen, kombinieren und adaptieren sowie zielgerichtet erweitern. Sie können die ausgewählten Methoden und Systemkomponenten zu einem lauffähigen Gesamtsystem kombinieren und somit einen Lösungsansatz für eine konkrete Aufgabenstellung entwickeln und evaluieren.
Module contents	Techniken und Softwarebibliotheken zur Realisierung moderner Systeme zur Analyse und Interpretation von Bild-/Sensordaten technische Herausforderungen und methodische Besonderheiten moderner Bild- und Mustererkennungssysteme in der praktischen Anwendung Implementierung eines Lösungsansatzes für eine abgegrenzte Problemstellung aus dem Themenfeld der Veranstaltung Dokumentation und Präsentation des erarbeiteten und implementierten Lösungsansatzes sowie seiner methodischen Grundlagen in einem Vortrag sowie einem Bericht kritische Analyse und systematische Evaluation der implementierten Techniken und Systeme, u.a. im Hinblick auf Limitierungen sowie zielgerichtete Verbesserungen
Forms of instruction	Seminar (1 SWS) Course Exercises (3 SWS) Course
Languages of instruction	German, English
Duration (semesters)	1 Semester Semester
Module frequency	nicht festlegbar
Module capacity	unlimited
Time of examination
Credit points	5 CP
Share on module final degree	Course 1: %; Course 2: %; Course 3: %; Course 4: %.
Share of module grade on the course of study's final grade	1
Reference text	Vertiefendes Modul für die Vertiefungsrichtung "Bildanalyse und Maschinelles Lernen"

Module course label	Course type	Course title	SWS	Workload of independent learning	Sum workload
Course 1	Seminar	Seminar	1		0
Course 2	Course	Selbststudium			0
Course 3	Exercises	Praktische Umsetzung eines Bild-/Mustererkennungssystems	3		0
Course 4	Course	Vorbereitung des Vortrags und Erstellung des Berichts			0
Workload by module				150	150
Total module workload					150

Examination	Exam prerequisites	Type of examination
Course 1
Course 2
Course 3
Course 4
Final exam of module	Fachlich kompetenter und didaktisch gut vorbereiteter Vortrag	schriftl. Bericht
Exam repetition information

Prerequisites and conditions	Frequency	Compulsory attendance	Share on module grade in percent
Course 1	Summer semester	No	%
Course 2	Summer semester	No	%
Course 3	Summer semester	No	%
Course 4	Summer semester	No	%