At give deltagerne forståelse for grundprincipperne i data science og kompression og metoder til datakompression f.eks. til billedkommunikation. At sætte deltagerne i stand til at implementere og evaluere data-analyse og -kompressionsalgoritmer. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• implementere en data-analyse eller kompressionsmetode
• simulere datakompressionskodning og -dekoding
• beregne og evaluere perfomance faktoren
• beregne og evaluere kvaliteten af dekodede eller rekonstruerede data objektivt og subjektivt
• analysere og fortolke et entropi-estimat, fx. i relation til kodelængden
• forklare dekorrelering af data til analyse eller kompressionsformål
• forklare kvantiseríng af en data repræsentation
• forklare entropi-konceptet, fx for kodning

Introduktion til grundprincipperne bag og metoder til data science og kompression inkl. grundlæggende informationsteori, som entropy, kryds-entropy og gensidig information. Dette omfatter entropi-begrebet som et informationsmål og gensidig information som et mål for delt information. Entropikodning vha. Huffman og aritmetisk kodning. Dekorreleríng af data ved prædiktion eller transformation til frekvensdomænet. Kvantisering af data til kodning med tab eller representation i rum af mindre dimension. En række eksempler på datakompression og -analyse præsenteres, fx. Kodning og analyse af: datastrenge, billeder i frekvensdomænet (DCT og wavelets - JPEG billedkodnings-specifikationer), lydsignaler, video som billedsekvenser. En Anvendelser er fx kodning af billeder, video eller data fra en drone, samt højkvalitetsbilleder, fx til internet applikationer.
Midtvejs vælges et projekt inden for de fremlagte områder. 02. maj, 2025