Computational Problem Solving (5op)
Toteutuksen tunnus: DT10115-3001
Toteutuksen perustiedot
- Ilmoittautumisaika
- 29.04.2025 - 31.10.2025
- Ilmoittautuminen toteutukselle on päättynyt.
- Ajoitus
- 15.05.2025 - 15.12.2025
- Toteutus on käynnissä.
- Opintopistemäärä
- 1 - 5
- Lähiosuus
- 0 op
- Virtuaaliosuus
- 5 op
- Toteutustapa
- Etäopetus
- Yksikkö
- Avoimen AMK:n opinnot (AVOIN)
- Toimipiste
- Verkossa
- Opetuskielet
- englanti
- Paikat
- 5 - 30
- Koulutus
- Degree Programme in Information and Communication Technology
- Opettajat
- Radu Mariescu-Istodor
- Vastuuopettaja
- Radu Mariescu-Istodor
- Ajoitusryhmät
- Avoimen opiskelijat (Koko: 50 . Avoin AMK : 50.)
- Tutkinto-opiskelijat (myös ristiinopiskelu) (Koko: 0 . Avoin AMK : 0.)
- Ryhmät
-
KAKS25Karelia, avoin, kaikki, syksy, 2025
-
TOP25_26Täydentävän osaamisen opintojen ryhmä lv 2025-2026
- Pienryhmät
- Avoimen opiskelijat
- Tutkinto-opiskelijat (myös ristiinopiskelu)
- Opintojakso
- DT10115
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 ja gradienttilaskeutumista.
- 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 (22.8.2025 – 15.12.2025)
Opinnot toteutetaan englanniksi.
Kurssivideo: https://youtu.be/wH6gZB7m22k
Kurssilla edellytetään useiden kotitehtävien suorittamista. Opiskelijat voivat valita pitkältä listalta enintään viisi tehtävää toteutettavaksi (1 tehtävä = 1 opintopiste).
Jos sinulla on kysyttävää voit ottaa yhteyttä opettajaan yksityisviestillä Discordissa tai käyttämällä kanavaa #decode-the-drawings public channel: https://discord.com/invite/gJFcF5XVn9
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).