Zwei-Fächer-Bachelor Pädagogik (Bachelor) > PP "Medieninformatik für Studierende musisch-künstlerischer Fächer"
Zwei-Fächer-Bachelor Philosophie / Werte u. Normen (Bachelor) > PP "Medieninformatik für Studierende musisch-künstlerischer Fächer"
Zwei-Fächer-Bachelor Physik (Bachelor) > PP "Medieninformatik für Studierende musisch-künstlerischer Fächer"
Zwei-Fächer-Bachelor Politik-Wirtschaft (Bachelor) > PP "Medieninformatik für Studierende musisch-künstlerischer Fächer"
Zwei-Fächer-Bachelor Slavistik (Bachelor) > PP "Medieninformatik für Studierende musisch-künstlerischer Fächer"
Zwei-Fächer-Bachelor Sonderpädagogik (Bachelor) > PP "Medieninformatik für Studierende musisch-künstlerischer Fächer"
Zwei-Fächer-Bachelor Sozialwissenschaften (Bachelor) > PP "Medieninformatik für Studierende musisch-künstlerischer Fächer"
Zwei-Fächer-Bachelor Sportwissenschaft (Bachelor) > PP "Medieninformatik für Studierende musisch-künstlerischer Fächer"
Zwei-Fächer-Bachelor Technik (Bachelor) > PP "Medieninformatik für Studierende musisch-künstlerischer Fächer"
Zwei-Fächer-Bachelor Wirtschaftswissenschaften (Bachelor) > PP "Medieninformatik für Studierende musisch-künstlerischer Fächer"
Zuständige Personen
Boll-Westermann, Susanne (Modulverantwortung)
Lehrenden, Die im Modul (Prüfungsberechtigt)
Teilnahmevoraussetzungen
Kompetenzziele
Die Studierenden können die Grundlagen der Bildverarbeitung erklären und wissen, welche Algorithmen für die grundlegenden Aufgaben in diesem Bereich existieren und wie diese angewandt werden. Die Studierenden können die Grundlagen maschinellen Lernens für Bildverarbeitung erklären und kennen die wesentlichen Eigenschaften von Convolutional Neural Networks und wie diese konzipiert, trainiert und angewendet werden.
Die Studierenden sind in der Lage, die in der Vorlesung gelernten grundlegenden Verfahren der Bildverarbeitung zur Lösung einfacher Probleme anzuwenden.
**Fachkompetenzen** Die Studierenden: - können die Grundlagen und Eigenschaften von digitalen Medien benennen, - können grundlegende Verfahren zur Bildverbesserung, Merkmalsextraktion, Merkmalsvermessung, Formanalyse und des Bildverstehens beschreiben, - können die grundlegende Methoden des maschinellen Lernens für die Bildverarbeitung und deren Funktionsweise aufzeigen
**Methodenkompetenzen** Die Studierenden: - können Bildeigenschaften erkennen, beurteilen und über einen sinnvollen Einsatz der Bildverarbeitung entscheiden.
- können bestehende Softwarepakete für einfache Probleme der Bildverarbeitung auszuwählen, verwenden und für ihre spezifischen Aufgabenstellung anpassen. - können einfache Bild- und Medienverarbeitungsfunktionen in einer höheren Programmiersprache (z.B. Python) selbständig implementieren.
- können grundlegende Methoden des Deep Learning zur Lösungen eines konkreten Problems der Medienverarbeiung anwenden.
**Sozialkompetenzen** Die Studierenden: - können in Kleingruppen ein Softwareprojekt planen, implementieren, und dokumentieren. - können die Ergebnisse ihrer Arbeit anschaulich präsentieren und auf Kritik und Fragen eingehen.
**Selbstkompetenzen** Die Studierenden: - können während der Entwicklung gemachte Fehler akzeptieren und aus ihnen lernen.
Modulinhalte
Das Modul beschäftigt sich mit den Technologien der Medienverarbeitung, sowohl klassischer Medienverarbeitungsmethoden als auch Methoden aus dem Gebiet des Maschinellen Lernens. Die Vorlesung geht dabei insbesondere auf die Prozesskette von der digitalen Bilderzeugung, über die Bildbearbeitung und Bildspeicherung bis zur Bildanalyse ein. Dabei umfasst die Vorlesung Themen der Merkmalsextraktion, Objekterkennung, Bildverbesserung, Formanalyse und des Bildverstehens. Das Modul gibt darüberhinaus eine Einführung in Machine Learning mit dem Fokus auf Convolutional Neural Networks für Bildverarbeitung.
Literaturempfehlungen
Wilhelm Burger und Mark James Burge. Digitale Bildverarbeitung: Eine Einführung mit Java und Image, J. Springer, 2006.
Literatur im Handapparat der Abteilung in der Bibliothek. Linkliste im Lernmanagementsystem zu den einzelnen Themen der Vorlesung.
Links
Unterrichtssprache
Deutsch
Dauer in Semestern
1 Semester
Angebotsrhythmus Modul
WiSe
Aufnahmekapazität Modul
unbegrenzt
Hinweise
Nützliche Vorkenntnisse: Gute Programmierkenntnisse in Java und/oder C++, Interesse an Medienverarbeitung.
Modullevel / module level
AS (Akzentsetzung / Accentuation)
Modulart / typ of module
je nach Studiengang Pflicht oder Wahlpflicht
Lehr-/Lernform / Teaching/Learning method
1V + 1Ü
Vorkenntnisse / Previous knowledge
Gute Programmierkenntnisse in PythonJava und/oder JavaC++, Interesse an Medienverarbeitung.
Lehrveranstaltungsform
Kommentar
SWS
Angebotsrhythmus
Workload Präsenz
Vorlesung
2
WiSe
28
Projekt
2
WiSe
28
Präsenzzeit Modul insgesamt
56 h
Prüfung
Prüfungszeiten
Prüfungsform
Gesamtmodul
Die Vorstellung des praktischen Projektes an einem Projekttag aller Kleingruppen findet direkt im Anschluss an die Vorlesungszeit statt. Die mündliche Prüfung findet in den ersten beiden Wochen nach Ende der Vorlesungszeit statt. Etwaige Nachprüfungen finden am Ende der vorlesungsfreien Zeit statt. Der genaue Zeitplan kann den Webseiten der Abteilung sowie den Angaben im Lernmanagementsystem Stud.IP entnommen werden.
·Praktisches Gruppenprojekt, das während der Tutorials regelmäßig vorgestellt werden muss.
·Mündliche Prüfung zu den Themen der Vorlesung.
Praktisches Projekt und mündliche Prüfung zählen jeweils 50% zur Endnote. Beide Praktisches Projekt und mündliche Prüfung müssen einzeln bestanden werden.