Pattern recognition

  • Enseignement

    Détails

    Faculté Faculté des sciences et de médecine
    Domaine Informatique
    Code UE-SIN.08608
    Langues Anglais
    Type d'enseignement Cours
    Cursus Master
    Semestre(s) SP-2021

    Horaires et salles

    Horaire résumé Lundi 14:15 - 17:00, Hebdomadaire
    Struct. des horaires 3h par semaine durant 14 semaines
    Heures de contact 42

    Enseignement

    Responsables
    Enseignants
    Description In this course, we study the fundaments of pattern recognition. We adopt an engineering point of view on the development of intelligent machines which are able to identify patterns in data. The core methods and algorithms are elaborated that enable pattern recognition for a wide range of data sources including sensory data (image, video, audio, location, etc.) as well as born-digital data (text, network traffic, chemical formulas, etc.). The course is organized in two parts. In the first part, we explore statistical pattern recognition based on feature vector representation. Standard methods for unsupervised clustering and supervised classification in vector spaces will be discussed. In the second part, we investigate structural pattern recognition based on string and graph representation. For clustering and classification of structural data, dissimilarity measures will be introduced alongside with explicit and implicit vector space embedding approaches. The course is accompanied by practical exercises that involve the implementation of algorithms discussed in class and their application to exemplary pattern recognition tasks.
    Objectifs de formation On successful completion of this class, you will be able to:

    - Design pattern recognition systems for a large variety of data sources, namely to cluster and classify objects represented as feature vectors, feature vector sequences, strings, and graphs.

    - Describe the mathematical techniques, assumptions, and relevant parameters of the underlying recognition algorithms, including k-means clustering, Bayes classification, support vector machines, neural networks, hidden Markov models, graph edit distance, and graph kernel functions.

    - Apply the pattern recognition systems to exemplary recognition tasks ranging from image recognition over movement analysis to the classification of molecular compounds.

    Commentaire

    MSc-CS BENEFRI - (Code Ue: 33082 / Track: T3; Code Ue: 63082 / Track: T6) The exact date and time of this course as well as the complete course list can be found at http://mcs.unibnf.ch/.

     

    Softskills
    Non
    Hors domaine
    Non
    BeNeFri
    Oui
    Mobilité
    Oui
    UniPop
    Non
  • Dates et salles
    Date Heure Type d'enseignement Lieu
    22.02.2021 14:15 - 17:00 Cours PER 21, salle D230
    01.03.2021 14:15 - 17:00 Cours PER 21, salle D230
    08.03.2021 14:15 - 17:00 Cours PER 21, salle D230
    15.03.2021 14:15 - 17:00 Cours PER 21, salle D230
    22.03.2021 14:15 - 17:00 Cours PER 21, salle D230
    29.03.2021 14:15 - 17:00 Cours PER 21, salle D230
    12.04.2021 14:15 - 17:00 Cours PER 21, salle D230
    19.04.2021 14:15 - 17:00 Cours PER 21, salle D230
    26.04.2021 14:15 - 17:00 Cours PER 21, salle D230
    03.05.2021 14:15 - 17:00 Cours PER 21, salle D230
    10.05.2021 14:15 - 17:00 Cours PER 21, salle D230
    17.05.2021 14:15 - 17:00 Cours PER 21, salle D230
    31.05.2021 14:15 - 17:00 Cours PER 21, salle D230
  • Modalités d'évaluation

    Examen écrit

    Mode d'évaluation Par note
  • Affiliation
    Valable pour les plans d'études suivants:
    Branche secondaire Master: informatique de gestion 30 [MA]
    Version: 2020/SA_V01
    Cours > Modules informatique > Data Science
    Cours > Modules informatique > Advanced Information Processing
    Cours > Modules informatique de gestion > DADS: Data Analytics & Decision Support

    Business Communication - Informatique de gestion 90 ECTS [MA]
    Version: 2020/SA_V01
    Cours - 60 ECTS > Groupe d'option > Informatique de gestion > Cours > Modules informatique > Advanced Information Processing
    Cours - 60 ECTS > Groupe d'option > Informatique de gestion > Cours > Modules informatique > Data Science
    Cours - 60 ECTS > Groupe d'option > Informatique de gestion > Cours > Modules informatique de gestion > DADS: Data Analytics & Decision Support

    Complément au doctorat (Faculté des sciences) [PRE-DOC]
    Version: 2020_1/v_01
    Complément au doctorat ( Faculté des sciences et de médecine) > UE de spécialisation en Informatique (niveau master)

    Data Analytics 30 [MA]
    Version: 2020/SA-v01
    À choix 9 crédits ECTS > Data Science
    À choix 9 crédits ECTS > DADS: Data Analytics & Decision Support

    Enseignement complémentaire en sciences
    Version: ens_compl_sciences
    Paquet indépendant des branches > UE de spécialisation en Informatique (niveau master)

    Informatique [3e cycle]
    Version: 2015_1/V_01
    Complément aux études doctorales en informatique > UE de spécialisation en Informatique (niveau master)

    Informatique de gestion 90 ECTS [MA] - SA/2019
    Version: 2019/SA_V01
    Cours - min. 45 ECTS > Modules informatique de gestion - min. 22 ECTS > DADS: Data Analytics & Decision Support
    Cours - min. 45 ECTS > Modules informatique/informatique de gestion > Data Science
    Cours - min. 45 ECTS > Modules informatique/informatique de gestion > DADS: Data Analytics & Decision Support
    Cours - min. 45 ECTS > Modules informatique/informatique de gestion > Advanced Information Processing

    Informatique de gestion 90 ECTS [MA] - SA/2020
    Version: 2020/SA-v01
    Cours - min. 45 ECTS > Modules informatique/informatique de gestion > Data Science
    Cours - min. 45 ECTS > Modules informatique/informatique de gestion > DADS: Data Analytics & Decision Support
    Cours - min. 45 ECTS > Modules informatique/informatique de gestion > Advanced Information Processing
    Cours - min. 45 ECTS > Modules informatique de gestion - min. 22 ECTS > DADS: Data Analytics & Decision Support

    MSc en bioinformatique et biologie computationnelle [MA] 90
    Version: 2020_1/V_01
    MSc en bioinformatique et biologie computationnelle, cours > MSc en bioinformatique et biologie computationnelle, UE à choix (dès SA2020)

    MSc en informatique (BeNeFri)
    Version: 2010_2/V_02
    MSc en informatique (BeNeFri), cours, séminaires et travail de Master > T3: Advanced Information Processing
    MSc en informatique (BeNeFri), cours, séminaires et travail de Master > UE de spécialisation en Informatique (niveau master)
    MSc en informatique (BeNeFri), cours, séminaires et travail de Master > T6: Data Science