Skip to Main Content (Press Enter)

Logo UNIBS
  • ×
  • Home
  • Persone
  • Strutture
  • Competenze
  • Pubblicazioni
  • Professioni
  • Corsi
  • Insegnamenti
  • Terza Missione

Competenze & Professionalità
Logo UNIBS

|

Competenze & Professionalità

unibs.it
  • ×
  • Home
  • Persone
  • Strutture
  • Competenze
  • Pubblicazioni
  • Professioni
  • Corsi
  • Insegnamenti
  • Terza Missione
  1. Insegnamenti

A005523 - IMAGE DATA ANALYSIS

insegnamento
Tipo Insegnamento:
Opzionale
Durata (ore):
60
CFU:
6
SSD:
TELECOMUNICAZIONI
Sede:
BRESCIA
Url:
Dettaglio Insegnamento:
COMMUNICATION TECHNOLOGIES AND MULTIMEDIA - TECNOLOGIE DELLE COMUNICAZIONI E MULTIMEDIA/PERCORSO COMUNE Anno: 2
Dettaglio Insegnamento:
INGEGNERIA INFORMATICA/comune Anno: 2
Anno:
2025
Course Catalogue:
https://permalink.unibs.it/suacds/afcc/2025?corso=...
  • Dati Generali
  • Syllabus
  • Corsi
  • Persone

Dati Generali

Periodo di attività

Primo Semestre (15/09/2025 - 23/12/2025)

Syllabus

Obiettivi Formativi

L’obiettivo ultimo del corso è quello di far maturare negli studenti la capacità di gestire un flusso di lavoro data-driven per l’analisi di informazione visuale in contesti critici e/o complessi, quali quelli tipici degli ambiti applicativi professionali nell’industria, nella medicina e nel telerilevamento.
Gli studenti con un background acquisito di elaborazione di segnali e immagini, avranno occasione di confrontarsi con nuove tipologie di dati visuali (es. dati multi- e iper-spettrali, dati provenienti da scansioni 3D geometriche o volumetriche) e di apprendere le moderne tecniche e architetture data driven (machine learning e deep learning) per l’analisi e la risoluzione di task complessi su contenuti visuali digitali in campo professionale.
Gli studenti con background acquisito ed interessi legati al machine learning e all’intelligenza artificiale troveranno contenuti accessibili e possibilità di arricchire competenza tecnica e consapevolezza da spendere in diversi domini legati all’analisi e interpretazione di contenuti visuali (immagini, dati 3D,…) di grande rilevanza per le applicazioni professionali.

Prerequisiti

Nessuno, è comunque consigliato aver seguito/superato l'esame di Digital Image Processing, ed avere una conoscenza almeno di base di un linguaggio di programmazione, preferibilmente Python.

Metodi didattici

Lezioni frontali, esercitazioni di laboratorio, eventuali visite a realtà produttive, assegnazione di elaborati da svolgere autonomamente.

Verifica Apprendimento

Esame scritto, eventuale orale e valutazione dell'elaborato.

Testi

Testi consigliati:
Deep Learning. I. Goodfellow, Y. Bengio, A. Courville. MIT press, 2016
Dive into Deep Learning, Zhang, Lipton, Li, Smola, https://d2l.ai, 2020
Remote Sensing Digital Image Analysis: An Introduction, John A. Richards
Springer, 5th edition (better to wait the 6th edition available from November 5 2021, including deep learning material)
Pattern classification, Duda, R. O., Hart, P. E., Stork, D. G., 2nd ed., Wiley, 2001

Artificial Intelligence in Medical Imaging: From Theory to Clinical Practice, Lia Morra, Silvia Delsanto and Loredana Correale, CRC press, 2021
Altro materiale (articoli scientifici, libri, materiale multiumediale,…) verrà consigliato/fornito durante lo svolgimento del corso.
Le dispense del corso verranno direttamente fornite dal docente.


Contenuti

Il corso affronta in chiave moderna le problematiche relative all’analisi ed all'interpretazione dei dati digitali provenienti da diverse tipologie di sistemi di visione 2D e 3D nell'ambito di settori produttivi e professionali (industriali, biomedicali e del telerilevamento) nei quali l’imaging digitale svolge un ruolo di fondamentale e crescente importanza.
Dall’a.a. 2021/22 il corso rappresenta un’evoluzione del precedente corso di Remote Sensing Data Analysis, del quale viene conservata la struttura generale e gli obiettivi formativi nell’ambito di un ampliamento dei target applicativi.
Gli argomenti trattati si focalizzano principalmente sulle fasi di acquisizione (principi e tecnologie), conoscenza (diversa natura dei dati, principi fisici e geometrici di acquisizione) e pre-trattamento (calibrazione e correzione radiometrica, geometrica, contrasto ad effetti atmosferici o ambientali, trasformate multispettrali,…) dei dati appartenenti al vasto mondo dell’imaging digitale, per poi passare alle moderne metodologie di analisi basate su approcci data-driven e tecniche di machine learning e deep learning, per lo svolgimento di task complessi (classificazione, riconoscimento, segmentazione,…).
Le conoscenze teoriche verranno supportate da esercitazioni di laboratorio sia guidate che da svolgersi in autonomia. Verranno a tal fine fornite conoscenze adeguate per poter operare nei più moderni ambienti di sviluppo per soluzioni basate si modelli deep learning.

Lingua Insegnamento

Inglese

Corsi

Corsi (2)

COMMUNICATION TECHNOLOGIES AND MULTIMEDIA - TECNOLOGIE DELLE COMUNICAZIONI E MULTIMEDIA 
Laurea Magistrale
2 anni
INGEGNERIA INFORMATICA 
Laurea Magistrale
Corso ad esaurimento
2 anni
No Results Found

Persone

Persone

GANGEMI Fabrizio
Docenti
No Results Found
  • Assistenza
  • Privacy
  • Utilizzo dei cookie
  • Note legali

Realizzato con VIVO | Designed by Cineca | 25.12.4.0