GMFM350 Stordata og maskinlæring i fjernmåling

Forelesninger: Egenskaper og prosesseringsløyper til fjernmåling data. Stordata konsepter og verktøy i fjernmåling. Maskinlæring (ML) og dyplærings (DL) metoder og algoritmer i fjernmåling. ML og DL metoder i bildeklassifisering, segmentering og prosessering (korrigering og forbedring). ML og DL metoder i analyse av høydimensjonale fjernmålingsdata: lidardata, satellittbilde tidsserie, og hyperspektrale bilder.

Øvelser: 1) Behandling av stordata i fjernmåling: bildekolleksjon, datakube, og bilde tidsserier. 2) Multispektral bildeklassifisering og segmentering med bruk av ML. 3) Bruk av maskinlæring og dyp læring i høy dimensjonale fjernmålingsdata. Python er arbeidsverktøyet i dette kurset, og grunnleggende kompetanse i Python er nødvendig.

Kunnskap: Etter å ha fullført kurset vil studentene ha oppnådd betydelig innsikt i maskinlærings- og dyp læringsalgoritmer brukt i behandling og analyse av ulike typer fjernmålingsbilder, spesielt innen bildeforbehandling, klassifisering, segmentering og endringsdeteksjon. I tillegg vil studentene ha blitt kjent med forståelsen av konsepter, egenskaper, utfordringer og muligheter ved fjernmåling stordata. Studentene vil kunne koble virkelige fjernmålingsrelaterte problemer med maskinlærings- (dyp læring) metoder og stordata verktøy.

Ferdigheter: Studentene vil kunne håndtere og beregne fjernmåling stordata med relevante verktøy. De vil også kunne løse utvalgte fjernmålingsproblemer ved bruk av maskinlærings- og dyp læringsmetoder. De vil kunne designe, planlegge, trene og iverksette avanserte maskinlærings- og dyp læringsmetoder for å løse utvalgte fjernmålingsproblemer.

Generell kompetanse: De vil bli kjent med arbeidsmekanismene til maskinlæring, en del av AI, i virkelige problemer som fjernmåling forventes å løse. De vil bli kjent med AI, som er i sterk vekst på arbeidsmarkedet. Studentene vil forbedre sine ferdigheter i samarbeid, rapportskriving og vitenskapelig kommunikasjon.