Programme d’études 2023-2024English
Computer Vision
Unité d’enseignement du programme de Master en sciences physiques (MONS) (Horaire jour) à la Faculté des Sciences

CodeTypeResponsable Coordonnées
du service
Enseignant(s)
US-M1-SCPHYS-060-MUE optionnelleGOSSELIN BernardF105 - Information, Signal et Intelligence artificielle
  • GOSSELIN Bernard
  • MANCAS Matei

Langue
d’enseignement
Langue
d’évaluation
HT(*) HTPE(*) HTPS(*) HR(*) HD(*) CréditsPondération Période
d’enseignement
  • Anglais
Anglais, Français162000033.002e quadrimestre

Code(s) d’AAActivité(s) d’apprentissage (AA) HT(*) HTPE(*) HTPS(*) HR(*) HD(*) Période
d’enseignement
Pondération
I-ISIA-005Computer Vision1620000Q2100.00%

Unité d'enseignement

Objectifs par rapport aux acquis d'apprentissage du programme

  • Maîtriser des connaissances spécialisées
    • -Avoir développé les connaissances et compétences acquises lors du cycle précédent à un niveau qui s'étend au-delà du niveau de bachelier en physique, et qui fournit la base pour l'élaboration et l'application d'idées originales dans un contexte professionnel.
    • -Avoir atteint un niveau de connaissances et de compétences qui leur donnera accès au troisième cycle du programme d'études (uniquement pour le master en deux ans).
  • Se développer sur le plan personnel et professionnel
    • -Avoir développé les compétences qui leur permettront de continuer à acquérir des connaissances d'une manière autonome.
  • Avoir une démarche scientifique rigoureuse et créatrice
    • -Avoir la capacité de recueillir et d'interpréter des données scientifiques pertinentes et de les analyser de manière critique en distinguant les hypothèses de travail des faits avérés.

Acquis d'apprentissage de l'UE

develop image processing techniques, together with a critical analysis of the problem;
apply image coding, analysis, segmentation adn feature extraction techniques
apply classification and machine learning techniques (deep learning)

Contenu de l'UE : descriptif et cohérence pédagogique

Image Processing, Image acquisition; lowlevel processing, filtering, transforms; image segmentation and registration;
Image Coding, Deep Learning

Compétences préalables

fundamentals of signal processing; probability and statistics

Types d'activités

AATypes d'activités
I-ISIA-005
  • Cours magistraux
  • Travaux pratiques
  • Projet sur ordinateur
  • Etudes de cas

Mode d'enseignement

AAMode d'enseignement
I-ISIA-005
  • Hybride

Supports principaux non reproductibles

AASupports principaux non reproductibles
I-ISIA-005Sans objet

Supports complémentaires non reproductibles

AASupport complémentaires non reproductibles
I-ISIA-005Sans objet

Autres références conseillées

AAAutres références conseillées
I-ISIA-005Sans objet

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

AAReports des notes d'AA d'une année à l'autre
I-ISIA-005Non autorisé

Evaluation du quadrimestre 2 (Q2) - type

AAType(s) et mode(s) d'évaluation Q2
I-ISIA-005
  • Examen oral - En présentiel

Evaluation du quadrimestre 2 (Q2) - commentaire

AACommentaire sur l'évaluation Q2
I-ISIA-005Oral exam with written preparation time, without course material

Evaluation du quadrimestre 3 (Q3) - type

AAType(s) et mode(s) d'évaluation du Q3
I-ISIA-005
  • Examen oral - En présentiel

Evaluation du quadrimestre 3 (Q3) - commentaire

AACommentaire sur l'évaluation Q3
I-ISIA-005Oral exam with written preparation time, without course material
(*) 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 dernière mise à jour de la fiche ECTS par l'enseignant : 29/06/2023
Date de dernière génération automatique de la page : 18/05/2024
20, place du Parc, B7000 Mons - Belgique
Tél: +32 (0)65 373111
Courriel: info.mons@umons.ac.be