Objavljamo izvajalce in vsebine strokovnih izbirnih predmetov Tehnične veščine 2 in Aktualno raziskovalno področje 1 in 2 za študijsko leto 2025/2026, ki jih je Komisija za študijske zadeve UL FRI potrdila na 40. redni seji Senata FRI, dne 13. 5. 2025.

Vsi izbirni predmeti so za vsak študijski program objavljeni v učnih načrtih predmetov (UNP), ki jih najdete na dnu opisov programo na podstrani Študij. Termini vpisov so objavljeni na podstrani Vpis.

Opomba: * predmet se izvaja v angleškem jeziku.

Opisi predmetov:

Tehnične veščine 2

Računalniški vid v biometriji / Computer Vision in Biometrics

Potrebno posebno predznanje: Dobro znanje programiranja in znanje Pythona

Snov predmeta sestavljena iz treh glavnih vsebin: (I), zajem podatkov in pomembnost nepristranskosti in uravnoteženosti podatkov, (II) zaznava in segmentiranje slik za potrebe nadaljnje analize objektov, (III) prepozpoznava oseb in objektov. Študenti bodo ocenjeni skozi 5 seminarskih nalog.

Vsebina po tednih:

• Teden #1: V prvem tednu se študentje seznanijo s pregledom osnov računalniškega vida in biometrije. Naučijo se uvažati, prikazovati in shranjevati slike ter jih modificirati, vključno z zmanjševanjem, obrezovanjem, pretvorbo barv, svetlostjo in kontrastom. Poleg tega se učijo izboljševanja slik s histogramsko ekvivalizacijo, konvolucijami za ostrino in zameglitev ter nadaljujejo z detekcijo robov in segmentacijo slik.
• Teden #2: Pregled biometričnih modalnosti: obraz in deli obraza (uhlji, oči in deli oči), prsti, hoja, govor, prepoznava akcij, itd.
• Teden #3: Študentje spoznajo temelje zaznave objektov in poskusijo več različnik tehnik predobdelave slik za zaznavo objektov. Predstavi se jim podrobno delovanje in izračun piramidnih Haar-kaskad,implementirajo zaznavo obrazov z zajemom preko spletne kamere.
• Teden #4: V petem tednu se študentom predstavi delovanje globokih modelov. Seznanijo se z glavnimi modeli za zaznavo objektov, vključno s Fast R-CNN in YOLO; spoznajo tehnike predobdelave slik za globoko učenje. Poleg tega se obravnava evalvacija algoritmov za zaznavo in praktične pristope k implementaciji.
• Teden #5: Študentje se spoznajo semantično segmentacije slik s primeri iz biometrije, vse od preproste pragovne, do napredne z globokimi modeli.
• Teden #6: V nadaljevanju snovi iz 6. tedna se študenti spoznajo še z U-Net in Mask R-CNN modeli in jih evalvirajo na svojih podatkih.
• Teden #7: Študentje se spoznajo s področjem sledenja objektom in konkretne primere ocenjevanja poz s prepoznavo akcij oseb.
• Teden #8: Snov se nadaljuje v bolj napredne tehnike sledenja, proučijo se tehnike sledenja množicam in osebam v gnečah.
• Teden #9: Študentje pridobijo temelje prepoznavanja ljudi in mehkih biometričnih modalnosti. Spoznajo tehnike prepoznavanja s pomočjo primerjanja in ocenjevanja zmogljivosti algoritmov ter uporabo tehnik v realnem svetu.
• Teden #10: Študentje spoznajo pristope za razpoznavo na podlagi pridobivanja značilk z metodami analize vzorcev.
• Teden #11: Nadaljevanje snovi 11. tedna z vpeljavo različnih pristopov primerjave pridobljenih značilk.
• Teden #12: Študentje spoznajo globoke pristope za razpoznavo na slikah, vključno s konkretnimi modeli za prepoznavo ResNet, EfficientNet,ViT.
• Teden #13: Sledi nadaljevanje razpoznave oseb z globokimi modeli in konkretnimi rešitvami.
• Teden #14: Študentje združijo posamezne komponente (primarno zaznave in prepoznave) v zaključen, celovit biometrični cevovod. Predstavijo se jim trenutni najnovejši pristopi in primeri uporabe.
• Teden #15: Študentje se poučijo o temeljih pristranskosti, poštenosti in etike v umetni inteligenci in računalniškem vidu. Razumejo pojme pristranskosti in poštenosti v podatkovnih naborih slik, proučijo strategije za zbiranje in organizacijo nepristranskih slikovnih podatkov ter spoznajo in poskusijo tehnike označevanja podatkov. Študenti implementirajo več tehnik za zmanjševanje pristranskosti na obstoječih podatkih.

Aktualno raziskovalno področje 1

Digitalne strategije in digitalni poslovni modeli

Predmet Digitalne strategije in digitalni poslovni modeli se osredotoča na poglobljeno predstavitev sodobnih digitalnih strategije in digitalnih poslovnih modelov. Pri predmetu bomo preučili, kako nove disruptivne informacijske tehnologije vplivajo na digitalizacijo poslovnih procesov, oblikovanje digitalnih produktov in storitev ter vstopanje na nove trge. Cilj predmeta je študente seznaniti s ključnimi koncepti digitalnih strategij in poslovnih modelov ter poslovnimi, tehničnimi, organizacijskimi, managerskimi in socialnimi tehnikami, ki tvorijo ogrodje digitalne preobrazbe podjetja. Na ta način bodo pridobili potrebne kompetence za samostojno pripravo digitalno strategijo za podjetje in načrta njene implementacije.

• Učni načrt predmeta: Digitalne strategije in digitalni poslovni modeli

Aktualno raziskovalno področje 2

Analiza in izboljševanje poslovnih procesov

Cilj predmeta je v učni proces prenesti znanja, ki so potrebna za celovito razumevanje analize in izboljševanja poslovnih procesov (npr. v okviru kompleksnih informacijskih sistemov v luči digitalne preobrazbe). Pri tem študenti s pomočjo inteligence poslovnih procesov razvijajo zmožnosti analitičnega in kritičnega razmišljanja. Namen predmeta je študentom podati vpogled v ključna ogrodja, tehnologije in procese za digitalno preobrazbo skozi celoten cikel razvoja informacijskih sistemov (npr. analiza stanja, zajem zahtev, modeliranje poslovno informacijskih arhitektur, …).

Po zaključku predmeta bo študent:

• Poznal teoretične vidike in praktične omejitve različnih pristopov v okviru analize in izboljševanja poslovnih procesov.
• Poznal različne pristope k izboljšanju poslovnih procesov (inženirstvo zahtev, modeliranje poslovno informacijske arhitekture, dekompozicija, re-inženirstvo, …).
• Znal uporabljati orodja za zajem zahtev (tako funkcionalnih kot nefunkcionalnih, načrtovanje poslovno informacijskih arhitektur, modeliranje, …).
• Poznal procese inženirstva v luči digitalne preobrazbe (specifike programskega inženirstva, specifike storitvenega inženirstva, itd.).
• Poznal procese izboljševanja in inoviranja poslovnih procesov.
• Znal združevati obstoječa znanja s širšega področja računalništva in informatike ter jih povezoval s specifikami digitalne preobrazbe.
• Razumel praktično uporabo na podlagi primerov iz uporabe v industriji.

Odvedljivo programiranje // Differentiable programming

(Predmet se izvaja v angleškem jeziku)

Predmet pokriva teoretične osnove in tehnike odvedljivega programiranja, ki postajajo vse bolj pomembne na različnih področjih, kot so strojno učenje, računalniški vid, računalniška grafika, fizikalna simulacija in znanstveno računanje. Obravnavani so koncepti odvedljivosti programov in optimizacije, ter tehnike, kot so povratno razširjanje in avtomatsko odvajanje. Prav tako so predstavljena nova področja, kot sta odvedljiva fizika in odvedljivo upodabljanje, reševanje parcialnih diferencialnih enačb z nevronskimi mrežami in odvedljiva konveksna optimizacija.