Профессиональный информационно-аналитический ресурс, посвященный машинному обучению, распознаванию образов и интеллектуальному анализу данных

Поскольку на данный момент времени особый интерес у ряда студентов ЯрГУ им. П.Г. Демидова вызывает тема машинного обучения, обращаю внимание на то, что помимо онлайн курсов (ссылка 1,  ссылка 2,  ссылка 3), различных статей и книг, а также сайтов по данной тематике, существует достаточно интересный профессиональный информационно-аналитический ресурс, который затрагивает машинное обучение, а также распознавание образов и интеллектуальный анализ данных (ссылка). Особенно радует ресурс тем, что его поддерживают российские ученые и преподаватели. Дополнительно отмечу, что согласно федеральным государственным образовательным стандартам РФ курс "Машинное обучение" не существует, но интерес к данной области как у студентов вузов, так и у других людей - огромный.

Цели указанного ресурса состоят в следующем:

1. Сконцентрировать информацию о достижениях ведущих российских научных школ в области машинного обучения, распознавания образов, анализа данных.
2. Способствовать обмену опытом, накоплению и распространению научных знаний в этой области.
3. Предоставить площадку для виртуальных научных семинаров и обсуждений.
4. Предоставить доступ к Полигону алгоритмов классификации - распределенной системе тестирования алгоритмов классификации на реальных прикладных задачах.

В общем и целом на данном ресурсе можно найти много важной информации по статьям, конференциям, лекционному материалу, а также много полезных советов и замечаний важных с точки зрения методического изложения материала по тематике машинного обучения в отечественных вузах.

Курс "Компьютерное зрение" 2012

Начинает свою работу страница курса-факультатива "Компьютерное зрение" специальности "Радиотехника".

В настоящем разделе размещена информация, затрагивающая литературу, ссылки, лекционный материал по тематике курса и задания к практическим работам.

Место и время проведения 

Физический факультет (2-ой учебный корпус), к. 113, каждую неделю по понедельникам, с 12.00 до 13.35.

Темы лекционных занятий

1. Введение и обзор материала курса (презентация .pptx). Tiny images - "крошки картинки"  (ссылка). Awesome Terminator 2 Scenes - "сцены из потрясающего фильма Терминатор 2" (ссылка). Microsoft Kinect - "гаджет для Xbox 360" (ссылка).
2. Формирование изображений. Камера и ее основные характеристики  (презентация .pptx). Awareness Test - "тест на внимательность" (ссылка).
3. Обработка цифровых изображений в среде Matlab (презентация .pptx). Seam Carving Algorithm - "контурное вырезание по шву" (описание, презентация .pptx, пример реализации .rar).
4. Фильтрация и улучшение изображений. Часть 1 (презентация .pptx). Hybrid Images - "гибридные изображения" (описание).
5. Фильтрация и улучшение изображений. Часть 2 (презентация .pptx).
6. Анализ бинарных изображений. Первое понятие о распознавании объектов (презентация .pptx, m-файлы .rar).
7. Алгоритмические и математические принципы систем автоматического распознавания номерных знаков (ссылка, презентация .pptx). Интересный алгоритм детектирования номерных знаков  (ссылка).
8. Сегментация изображений и обнаружение контуров. Часть 1 (презентация .ppt).
9. Сегментация изображений и обнаружение контуров. Часть 2 (презентация .ppt).
10. Основные понятия распознавания образов (презентация .ppt).
11. Нейронные сети. В основу занятия положен материал, позаимствованный из лекции № 8 онлайн курса  Ng A. Machine Learning, 2011. Stanford University (ссылка).
12. Оптическое распознавание символов.  В основу занятия положен материал, позаимствованный из лекции № 18 онлайн курса  Ng A. Machine Learning, 2011. Stanford University (ссылка).
13. Детектирование лиц на основе алгоритма Виола / Джонса.
14. Анализ главных компонент. Распознавание лиц.

Практические задания

1. Простой алгоритм распознавания номерных знаков (описание .pdf, тестовые изображения .rar, изображения эталонов цифр .rar).

Дополнительные материалы

1. Szelicki R. Computer Vision: Algorithms and Applications. Springer, 2010 (ссылка).
2. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2009 (ссылка).
3. Конушин А. и др. Курс "Введение в компьютерное зрение", 2010. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
4. Конушин А. и др. Курс "Введение в компьютерное зрение", 2011. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
5. Конушин А. и др. Курс "Введение в компьютерное зрение", 2012. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
6. Kemelmacher I., Rao R., Seitz S., Shapiro L. Computer Vision (CSE 455), 2003 - 2010. University of Washington (ссылка).
7. Lazebnik S. Computer Vision (COMP 776), 2008 - 2011. The University of North Carolina at Chapel Hill (ссылка).
8. Thrun S. Computer Vision / Introduction to Computer Vision (CS 223b), 2004 - 2009. Stanford University (ссылка).
9. Darrell T. Computer Vision (CS 280), 2009. University of California, Berkeley (ссылка).
10. Duraiswami R. Fundamentals of Computer Vision (CMSC 828d), 2000 / Computer Vision (CMSC 426), 2005. UMIACS (ссылка). 
11. Torralba A. Advances in Computer Vision (6.869), 2010. Massachusetts Institute of Technology (ссылка).
12. Ng A. Machine Learning (CS229), 2009. Stanford University (ссылка).
13. Конушин A. Семантическая классификация изображений, 2010. Сomputer Science клуб при ПОМИ РАН (ссылка).
14. Ерухимов В. Компьютерное зрение и библиотека OpenCV, 2011. Сomputer Science клуб при ПОМИ РАН (ссылка).
15. Сетевой журнал "Компьютерная графика и мультимедиа" (ссылка).
16. Efros A. Learning-Based Methods in Vision (16-721), 2009. Carnegie Mellon University (ссылка).
17. Efros A. Computational Photography (15-463 / 15-862), 2010. Carnegie Mellon University (ссылка).

Online курсы

В отдельный пункт решил вынести информацию по online курсам. Напоминаю, что с прошлого года ряд западных университетов начал практику создания online курсов по различным дисциплинам. Например, "Искусственный интеллект", "Машинное обучение" и т.д. Общая ссылка на эти курсы  вот. Более конкретные ссылки близкие к настоящему курсу представлены чуть ниже. Для ознакомления с материалами курсов (видеолекциями, практическими заданиями и т.д.) нужна регистрация!

1. Ng A. Machine Learning, 2011. Stanford University (ссылка).
2. Ng A. Machine Learning, 2012. Stanford University (ссылка). 
3. Malik J. Computer Vision, 2012. Berkeley University of California (ссылка).
4. Savarese S., Li F.-F. Computer Vision: From 3D Reconstraction to Visual Recognition. Stanford University and  University of Michigan, 2012 (ссылка). 

Дополнительно необходимо отметить, что появились online лекции по курсу "Машинное обучение", читаемые сотрудниками ШАД (Школы анализа данных Яндекс). Ссылка на курс вот.

Руководитель курса: Волохов В.А.

Курс "Инженерная и компьютерная графика" 2012 (заочное отделение)

Материалы курса "Инженерная и компьютерная графика" для заочного отделения можно найти по следующей ссылке на аналогичный курс очного отделения.

Замечание: Вопросы, затрагивающие описание лабораторного практикума, трудности возникающие при рассмотрении теоретических вопросов и решении задач по данному курсу, могут быть заданы в комментариях настоящего раздела или присланы по электронной почте.

Руководитель курса: асс. каф. ДЭС Волохов В.А.

Экзамен по курсу "Цифровая фильтрация" 2011

Структура экзамена

Экзамен состоит из трех частей:
1. Один теоретический вопрос из предложенного списка. Вопросы можно скачать здесь.
2. Задача из раздела " Синтез цифровых КИХ-фильтров методом окон ". Задачи можно скачать здесь.
3. Задача из подраздела "Синтез цифровых БИХ-фильтров методом билинейного z-преобразования". Задачи можно скачать здесь.
Для студентов, отчитавшихся по задачам, задачи на экзамене решать не нужно.

Место и время проведения

1. Группа РЭ-41 БО и РЭ-41 СО, второй учебный корпус, 20.01.12, к. 202 (второй учебный корпус), с 9:00.

Замечание: Вопросы, затрагивающие материал настоящего курса, могут быть заданы в комментариях настоящего раздела или присланы по электронной почте.

Руководитель курса: Волохов В.А.

Пересдача зачетов!

Пересдача зачетов по следующим дисциплинам состоится 5.01.12 в к. 306 (1-ый учебный корпус):
1. "Инженерная и компьютерная графика", гр. ИТС-11БО, РТ-11БО, "Радиотехнические САПР", гр. РТ-51, с 10.15 до 11.00.
2. "Цифровые цепи и сигналы" (лабораторный практикум), гр. РЭ-31 и "Цифровые фильтры", гр. РТ-31 с 11.00 до 12.00.
3. "Цифровая обработка изображений", гр. РТ-41 с 12.00 до 13.35.
С уважением, Владимир Волохов.

С наступающим новым годом!

Дорогие друзья! Уже совсем скоро мы поднимем бокалы и скажем друг другу: "С новым годом!" Постараюсь кратко написать то, что думаю и хочу сказать. По долгу службы я являюсь ассистентом преподавателя физического факультета кафедры ДЭС ЯрГУ им. П.Г. Демидова и в первую очередь хотел бы поздравить с наступающим новым годом своих студентов. Пожелать им удачи, терпения, хорошей сдачи экзаменов и прежде всего того, что вы сами себе желаете и действительно заслуживаете. Простите, если я иногда бываю неправ по отношению к вам, но я себя критикую. Значит еще не все потеряно! Далее своих коллег по работе, которые всегда поддерживают меня и заставляют завершить то, что я никак не могу закончить. Постараюсь оправдать ваши ожидания! Свою семью: папу, маму, бабушку и родственников. Которые безгранично любят меня и не замечают моих плохих качеств. Пожелать им прежде всего здоровья и спокойствия. Я знаю, для вас и меня это очень важно. Сейчас я в хорошей компании со своими друзьями. Мы собрались не полностью, но это тоже важно. Спасибо вам, что вы есть!

С уважением, Владимир Волохов.

P.S. Хочу пожелать еще одному человеку. Своему двоюродному брату. Саша пусть у тебя просто все получится в этом году! И ты будешь играть в твою и мою любимую игру там, где ты действительно должен играть. Я тобой очень горжусь!

Зачет по курсу "Цифровая обработка изображений" 2011

Файл с результатами проверки двух практических заданий можно скачать здесь. Замечания указаны там же. Для тех кто не сдал задания (по причинам: просто не сдавал, повторил чужой код или сделал много ошибок), зачет состоится в ауд. 217, второй учебный корпус, 28.12.11 в 12.00. Зачет будет проводиться в устной форме по темам представленным на странице курса (ссылка).
С уважением, Волохов Владимир.

P.S. Апелляции принимаются! Можете писать на электронную почту или в блог в комментах к этому посту.