Efterår Kurset foregår en uge i august. Se kursets hjemmeside for specifikke datoer.
Undervisningsform:
Forelæsninger, øvelser i Matlab samt korte deltager præsentationer
Kursets varighed:
[Kurset følger ikke DTUs normale skemastruktur]
Evalueringsform:
Hjælpemidler:
Bedømmelsesform:
Overordnede kursusmål:
At introducere deltagerne til nye trends i statistisk signalbehandling og machine learning.
Læringsmål:
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
Opstille egne læringsmål for forløbet
Indsamle og vurdere videnskabelig viden og data om kursets emner
Foretage en velbegrundet afgrænsning af mini-projekt (sædvanligvis med udgangspunkt i eget Ph.D.-projekt) samt formulere specifikke hypoteser og mål
Planlægge og gennemføre et mindre projektforløb
Designe et komplekst signalbehandlingssystem med udgangspunkt i analyse af problemstilling og projekts mål samt udvælge relevante algoritmer og metoder
Vurdere og sammenfatte mini-projektets resultater i relation til mål, metoder og tilgængelige data
Løse og fortolke en kompleks signalbehandlingsproblemstilling ved anvendelse af Matlab
Skrive en afsluttende teknisk rapport eller give en af afsluttende mundtlige præsentation af resultater opnået i mini-projekt
Præsentere metoder, resultater for andre deltagere og lærere gennem kursusforløbet
Kursusindhold:
Kurset starter med tre dages introduktion til nye trends i signalbehandling (forelæsnings og øvelser). Derefter udfører deltagerne et mini-projekt som afsluttes med en præsentation eller skriftlig rapport. Vi opfordrer til at de studerende anvender metoderne i kruser på data relevante for deres Ph.D.-projekt. Mulige emner er for tiden: Bayesianske metoder, uafhængig komponent analyse, kompakte repræsentationer. Anvendelse indenfor: Bio-medinske problemer, audio, multimedia, monitoreringssystems.
