Научно-исследовательский семинар "Методы интеллектуального анализа данных и компьютерной лингвистики"

2022/2023

Учебный год

RUS

Обучение ведется на русском языке

2

Кредиты

Кто читает:

Кафедра прикладной математики и информатики (Нижний Новгород) (Факультет информатики, математики и компьютерных наук (Нижний Новгород))

Статус:

Курс обязательный

Когда читается:

1-й курс, 3, 4 модуль

Преподаватель

Савченко Людмила Васильевна

Программа дисциплины

Аннотация

Настоящий НИС относится к блоку программы Научно-исследовательская работа. Программа предназначена для приобретения студентами навыков разработки проектов создания интеллектуальных систем анализа мультимедийных данных Для успешного изучения дисциплины студент должен владеть достаточными знаниями и навыками по следующим дисциплинам: Современные методы анализа данных; Стохастические модели; Машинное обучение. Основные положения дисциплины могут быть использованы в дальнейшем при написании выпускной квалификационной работы.

Цель освоения дисциплины

• Знакомство студентов с современными программными библиотеками, предназначенными для анализа мультимедийных данных
• Получение необходимых знаний и навыков для выполнения научно-исследовательских проектов на примере создания интеллектуальных систем анализа данных
• Приобретение умений поиска и анализа современных научных публикаций по методам интеллектуального анализа данных.

Планируемые результаты обучения

• Применяет методы обработки изображений лиц (детектирование, верификация, идентификация), видео людей.
• Применяет методы переноса знаний (transfer learning), локальные дескрипторы и структурные методы для решения задач распознавания изображений.
• Применяет на практике современные методы обработки изображений (детектирование объектов, сегментация и синтез изображений).
• Сравнивает и применяет нейросетевые модели распознавания речи. Интерпретирует методы распознавания и верификации диктора по звучащей речи.

Содержание учебной дисциплины

• Методы переноса знаний (transfer learning) для распознавания изображений. Локальные дескрипторы ключевых точек изображений. Структурные методы распознавания образов на основе теории графов.
• Детектирование объектов на изображениях и видео. Семантическая сегментация изображений. Синтез изображений. Обработка изображений лиц (детектирование, верификация, идентификация, распознавание эмоций, пола, возраста ).
• Обработка изображений/видео людей (включая реидентификацию и распознавание действий). Методы повышения эффективности и оптимизации методов принятия решений и нейронных сетей. Прикладные задачи в области понимания изображений (image captioning, question answering, driver assistance, game playing).
• Обработка речевых сигналов (в том числе очистка от шума). Нейросетевые модели распознавания речи. Синтез речи. Методы распознавания и верификации диктора по звучащей речи.

Элементы контроля

• Лабораторная работа 1
• Лабораторная работа 2
• Экзамен
• Экзамен
• Лабораторная работа 1
• Лабораторная работа 2

Промежуточная аттестация

• 2022/2023 учебный год 4 модуль
  0.2 * Лабораторная работа 1 + 0.6 * Экзамен + 0.2 * Лабораторная работа 2
• 2023/2024 учебный год 2 модуль
  0.2 * Лабораторная работа 1 + 0.2 * Лабораторная работа 2 + 0.6 * Экзамен

Список литературы

Рекомендуемая основная литература

• Christopher M. Bishop. (n.d.). Australian National University Pattern Recognition and Machine Learning. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.EBA0C705
• Witten, I. H. et al. Data Mining: Practical machine learning tools and techniques. – Morgan Kaufmann, 2017. – 654 pp.
• Антонио, Д. Библиотека Keras – инструмент глубокого обучения. Реализация нейронных сетей с помощью библиотек Theano и TensorFlow / Д. Антонио, П. Суджит , перевод с английского А. А. Слинкин. — Москва : ДМК Пресс, 2018. — 294 с. — ISBN 978-5-97060-573-8. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/111438 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Ростовцев В.С. - Искусственные нейронные сети: учебник - Издательство "Лань" - 2019 - 216с. - ISBN: 978-5-8114-3768-9 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/122180
• Селянкин В.В. - Компьютерное зрение. Анализ и обработка изображений: учебное пособие - Издательство "Лань" - 2019 - 152с. - ISBN: 978-5-8114-3368-1 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/113938

Рекомендуемая дополнительная литература

• Mariani, J. (2009). Language and Speech Processing. London, UK: Wiley-ISTE. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=310778
• Webb, A. R. Statistical pattern recognition. – John Wiley & Sons, 20011. – 668 pp.
• Аллен, Б. Д. Think DSP. Цифровая обработка сигналов на Python / Б. Д. Аллен , перевод с английского А. Э. Бряндинский. — Москва : ДМК Пресс, 2017. — 160 с. — ISBN 978-5-97060-454-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/93566 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Броневич, А. Г. Анализ неопределенности выделения информативных признаков и представлений изображений : монография / А. Г. Броневич, А. Н. Каркищенко, А. Е. Лепский. — Москва : ФИЗМАТЛИТ, 2013. — 320 с. — ISBN 978-5-9221-1499-8. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/59666 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Волков В.Ю. - Адаптивные и инвариантные алгоритмы обнаружения объектов на изображениях и их моделирование в Matlab - Издательство "Лань" - 2014 - 192с. - ISBN: 978-5-8114-1656-1 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/68475
• Столов Е.Л. - Цифровая обработка сигналов. Водяные знаки в аудиофайлах: учебное пособие - Издательство "Лань" - 2018 - 176с. - ISBN: 978-5-8114-3014-7 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/106736