Programme d’études 2017-2018English
Image Analysis and Pattern Recognition
Unité d’enseignement du programme de Master en sciences informatiques, à finalité spécialisée à la Faculté des Sciences
CodeTypeResponsable Coordonnées
du service
Enseignant(s)
US-M2-INFOFS-011-MUE optionnelleGOSSELIN BernardF105 - Théorie des circuits et Traitement du signal

    Langue
    d’enseignement
    Langue
    d’évaluation
    HT(*) HTPE(*) HTPS(*) HR(*) HD(*) CréditsPondération Période
    d’enseignement
      Anglais00000551er quadrimestre

      Code(s) d’AAActivité(s) d’apprentissage (AA) HT(*) HTPE(*) HTPS(*) HR(*) HD(*) Période
      d’enseignement
      Pondération
      I-TCTS-005100.00%

      Unité d'enseignement

      Objectifs par rapport aux acquis d'apprentissage du programme

      • Gérer des travaux de recherche, de développement ou d'innovation
        • -Etre capable d'appréhender une problématique inédite relevant des sciences informatiques et de ses applications
      • Compétence 2 : Avoir acquis les compétences professionnelles en relation avec la finalité définissant le diplôme
        • -Etre spécialisé dans au moins un sous-domaine de l'informatique
        • -Pouvoir s'intégrer dans un environnement professionnel et collaborer avec les différents intervenants d'un projet réel
      • Gérer des travaux de recherche, de développement ou d'innovation
        • -Etre capable d'appréhender une problématique inédite relevant des sciences informatiques et de ses applications
      • Appliquer une méthodologie scientifique
        • -Avoir la capacité de mener une réflexion critique sur l'impact de l'informatique en général et, en particulier, lors de la contribution à des projets

      Acquis d'apprentissage UE

      develop an applied pattern recognition system, together with a critical analysis of the problem;
      apply image analysis and segmentation techniques
      apply data processing techniques (feature extraction, feature selection);
      apply classification techniques and train classifiers (Gaussian models, Clustering, Artificial Neural Networks, Dynamic Time Warping, Hidden Markov Models, Combining Classifiers);
      estimate performances of classifiers.

      Contenu de l'UE

      Image Processing: Image acquisition; lowlevel processing, filtering, transforms; image segmentation and registration;
      Pattern Recognition: SPR scheme, feature extraction, classifiers, combining classifiers; neural networks:feed-forward neural networks, training MLP, Deep Neural Nets; support vector machines; dynamic systems: dynamic time warping, hidden Markov models

      Compétences préalables

      fundamentals of signal processing; probability and statistics

      Types d'évaluations Q1 pour l'UE

      • Examen oral

      Commentaire sur les évaluations Q1 de l'UE

      Sans objet

      Types d'évaluation Q3 pour l'UE

      • Examen oral

      Commentaire sur les évaluations Q3 de l'UE

      Sans objet

      Types d'évaluation rattrapage BAB1 (Q1) pour l'UE

      • Néant

      Commentaire sur les évaluations rattr. Q1 de l'UE

      Sans objet

      Types d'activités

      AA
      I-TCTS-005

      Mode d'enseignement

      AA
      I-TCTS-005

      Supports principaux

      AA
      I-TCTS-005

      Supports principaux non reproductibles

      AA
      I-TCTS-005

      Supports complémentaires

      AA
      I-TCTS-005

      Supports complémentaires non reproductibles

      AA
      I-TCTS-005

      Autres références conseillées

      AA
      I-TCTS-005

      Reports des notes d'AA d'une année à l'autre

      AA
      I-TCTS-005
      (*) HT : Heures théoriques - HTPE : Heures de travaux pratiques encadrés - HTPS : Heures de travaux pratiques supervisés - HD : Heures diverses - HR : Heures de remédiation - Dans la colonne Pér. (Période), A=Année, Q1=1er quadrimestre et Q2=2e quadrimestre
      Date de génération : 17/05/2018
      20, place du Parc, B7000 Mons - Belgique
      Tél: +32 (0)65 373111
      Courriel: info.mons@umons.ac.be