
Μαθήματα Κατεύθυνσης
Μαθήματα Κατεύθυνσης
Περιεχόμενα: Το μάθημα εισάγει τους φοιτητές στις βασικές έννοιες και εφαρμογές της Υπολογιστικής Όρασης, με έμφαση στις τεχνικές βαθιάς μάθησης (Deep Learning). Εξετάζεται πώς οι υπολογιστές μπορούν να αντιλαμβάνονται και να ερμηνεύουν τον οπτικό κόσμο μέσω σύγχρονων μεθόδων, όπως τα συνελικτικά νευρωνικά δίκτυα (CNNs), τα vision transformers και τα παραγωγικά μοντέλα (VAEs, Diffusion). Ιδιαίτερη έμφαση δίνεται στην ανάπτυξη εφαρμογών που συνδυάζουν κατανόηση, δημιουργία και αλληλεπίδραση με οπτικά δεδομένα, καθώς και σε πολυτροπικές εφαρμογές που συνδυάζουν εικόνα και φυσική γλώσσα (π.χ. CLIP).
Στο τέλος του μαθήματος ο φοιτητής θα μπορεί να:
Αξιολόγηση: Η αξιολόγηση του μαθήματος βασίζεται σε εργασίες μικρής έκτασης ή/και εξέταση προόδου κατά τη διάρκεια του εξαμήνου, με συνολική βαρύτητα έως 40%. Η τελική εργασία εξαμήνου (κώδικας και τεχνική αναφορά) αντιστοιχεί σε 60%. Τα ποσοστά ενδέχεται να διαφοροποιούνται (μέχρι ±10%) από έτος σε έτος. Για την επιτυχία απαιτείται προβιβάσιμος βαθμός τόσο στην τελική εργασία όσο και στον συνολικό βαθμό. Οι εργασίες ενδέχεται να συνοδεύονται από προφορική εξέταση.
Μέθοδοι αξιολόγησης: Ερωτήσεις σύντομης απάντησης, Ερωτήσεις πολλαπλής επιλογής, Επίλυση προβλημάτων, Γραπτή εργασία, Έκθεση / Αναφορά, Προφορική εξέταση, Εργαστηριακή εργασία.
-
Βιβλιογραφία: