Text

Deep learning för industriell bildbehandling

  • Högskolepoäng 2.5 hp
  • Studieort Ortsoberoende
  • $stringTranslations.StartDate 2021-10-11 - 2021-11-28 (deltid 25%)
  • Utbildningsnivå Avancerad nivå
  • Kurskod DVA476
  • Huvudområde Datavetenskap

Denna kurs lär dig hur man bygger neurala faltningsnätverk (convolutional neural network, CNN). Du kommer att lära dig hur man designar intelligenta system med Deep Learning för klassificering, annotering och objektigenkänning.

Om kursen

Bildbehandling: Introduktion till industriell bildbehandling med Big Data och grundläggande principer för bildbehandlingstekniker.

Deep learning med neurala faltningsnätverk: Översikt över neurala nätverk som klassificerare, introduktion till neurala faltningsnätverk och deep learning arkitektur.

Learning verktyg: Implementering av deep learning för bildklassificering och objektigenkänning, med hjälp av t.ex. Keras.


Du kommer lära dig att:

  • Förstå den grundläggande teorin om bildbehandling
  • Kunna beskriva de grundläggande behoven, utmaningarna och begränsningarna av Big Data inom industriell avbildning
  • Kunna beskriva och förstå de grundläggande principerna för neurala faltningsnätverk
  • Visa förmåga att använda verktyg för Deep Learning inom industriell bildbehandling


Särskild behörighet


90 hp, varav 60 hp inom datavetenskap eller motsvarande, inklusive minst 15 hp programmering. Dessutom krävs Engelska A/Engelska 6.
Om du inte uppfyller de formella behörighetskraven kan du få din behörighet bedömd på kunskap och kompetens som du har fått på annat sätt, såsom arbetslivserfarenhet, övriga studier m.m. Läs mer under Information om anmälan.


Undervisningsspråk

Engelska

Lärare

Kursplan

Du kan läsa i detalj om utbildningen, dess innehåll och litteratur m.m. i kursplanen

Se kursplan

Anmäl dig till kursen

Deep learning för industriell bildbehandling

Till anmälan

Information om anmälan

Efter att du anmält dig behöver du eventuellt komplettera med dokument för att styrka din behörighet. De flesta svenska akademiska meriter hämtas automatiskt. Vänta några dagar efter att du skickat in din anmälan – om dina akademiska meriter fortfarande inte syns på Mina sidor ska du ladda upp dem. Om du har utländska meriter behöver du ladda upp kopia på dem på antagning.se.

Vissa kurser kräver yrkeserfarenhet. Om kursen du söker har krav på yrkeserfarenhet måste du ladda upp ett tjänstgöringsintyg som är underskrivet av din arbetsgivare. Du hittar mall för tjänstgöringsintyg nedan som du kan använda om du vill.

Inga akademiska meriter?

Kursen kräver att du har tidigare akademiska studier. Du som inte har det men har yrkeserfarenhet inom området kan bedömas på så kallad reell kompetens. Det innebär att det görs en bedömning av både formella meriter (betyg, examensbevis) och yrkeserfarenhet. Bedömningen görs för att avgöra om du har kunskaper som motsvarar behörighetskraven på kursen. Om du anser att du har kompetensen som krävs för kursen, ska du fylla i en CV/Kompetensbeskrivning, mall finns nedan. Den ska innehålla:

• Utbildningar

• Relevant och aktuell arbetslivserfarenhet

• Kunskaper i Engelska

• Övrigt du vill åberopa

Tänk på att ge en kort beskrivning av dina arbetsuppgifter, inte bara en titel.

Du behöver också ett underskrivet tjänstgöringsintyg från din arbetsgivare, mall att ladda ner finns nedan.

Ladda ner mall för CV/Kompetensbeskrivning Word, 27.6 kB, opens in new window.

Ladda ner mall för Tjänstgöringsintyg Word, 25.5 kB, opens in new window.

Om du har frågor om anmälan är du välkommen att kontakta oss genom att mejla till lifelonglearning@mdh.se

FutureE

Kurserna ingår i projektet FutureE där MDH erbjuder nätbaserade kurser inom områdena AI, Environmental and Energy Engineering, Software- and Computer Systems Engineering.

Kompetensutveckling med FutureE
Till toppen