Computational Problem Solving (5 op)

Arviointiasteikko

Hyväksytty/Hylätty

Tavoitteet

- Ymmärtää ja soveltaa matemaattisia ja laskennallisia menetelmiä liikkeen ja piirrosten rekonstruoimiseksi videomateriaalista.
- Analysoida kameran perspektiivejä, vääristymiä ja projisointeja tilasuhteiden päättelemiseksi.
- Suunnitella, toteuttaa ja arvioida simulaatioita ja visuaalisia selityksiä.
- Soveltaa optimointitekniikoita, kuten paikallishakua, gradienttilaskeutumista ja neuroverkkoja mallin tarkkuuden parantamiseksi.
- Toteuttaa ratkaisu ohjelmointikielellä (esim. JavaScript tai Python).

Sisältö

Kurssi rakentuu yhden haasteen ympärille: rekonstruoida kynän liikerata videomateriaalista, jossa kynä liikkuu värillisten pallojen edessä. Tämän kautta tutustut:
- Trilateraatioon ja geometrisiin paikannusmenetelmiin
- Perspektiivianalyysiin ja koon skaalaamiseen visuaalisen syötteen perusteella
- Kameramallinnukseen (neulanreikäkamera, linssivääristymät)
- Karttaprojektioihin (atsimuuttiekvidistantti, Lambertin pinta-alatarkka projektio)
- Simulaatioihin ja visuaaliseen virheenkorjaukseen (JavaScript ja Three.js)
- Optimointistrategioihin: paikallishaku, gradienttilaskeutuminen ja geneettiset algoritmit
- Neuroverkkojen käyttöön tilallisten arvioiden tuottamisessa
- Signaali- ja kuvankäsittelytekniikoihin segmentointia ja liikeanalyysiä varten
- Ongelman ositteluun ja algoritmien suunnitteluun todellisuuspohjaisissa tilanteissa

Aika ja paikka

verkossa

Oppimateriaalit

Ohjaajan alkuperäiset kurssimuistiinpanot ja selitykset
Szeliski, R. Computer Vision: Algorithms and Applications (valinnainen)

Opetusmenetelmät

Kurssi koostuu kahdesta vaiheesta.

Vaihe 1 – Kilpailu (16.5.2025 – 15.7.2025)

Linkki: https://youtu.be/AqDKqMrxQrw
Tässä vaiheessa opiskelijat opiskelevat itsenäisesti verkosta löytämäänsä materiaalia ja keskustelevat opettajan kanssa Discord-foorumilla (decode-the-drawings kanava):
https://discord.com/invite/gJFcF5XVn9

Opiskelijat toteuttavat omia ratkaisujaan ja saavat opettajalta palautetta. Edistymisensä mukaan opiskelijat ansaitsevat merkkejä, jotka kääntyvät opintopisteiksi tässä kurssissa.

Vaihe 2 – Kurssi (1.8.2025 – 15.12.2025)
Kurssilla edellytetään useiden kotitehtävien suorittamista. Opiskelijat voivat valita pitkältä listalta enintään viisi tehtävää toteutettavaksi (1 tehtävä = 1 opintopiste).

Arviointikriteerit, hyväksytty/hylätty

Kurssi läpäistään ansaitsemalla yksi ansiomerkki kilpailun aikana tai tekemällä yksi kotitehtävä kurssin aikana.
Ansiomerkkien/kotitehtävien määrä kasvattaa opintopisteiden määrää (enintään 5 opintopistettä).