Maestros en control y robótica en procesamiento de señal e imagen (coro sip)

General

Lee más sobre este programa en el sitio web de la universidad

Descripción del programa

Procesamiento de señales e imágenes (CORO SIP)

El programa de procesamiento de señales e imágenes (SIP) proporciona las habilidades necesarias en modelado de señales, procesamiento de imágenes y aprendizaje automático, relevantes para la teoría y la práctica del análisis de datos y la recuperación de información, para el desarrollo de métodos numéricos modernos.

Los cursos del programa SIP abordan la teoría y la práctica de técnicas avanzadas de análisis de datos, desde estadísticas computacionales, matemáticas aplicadas, computación científica e imágenes numéricas, hasta su implementación práctica en varios campos como la ingeniería biomédica, la ciencia de la imagen, el procesamiento de audio y la información tecnología.

La característica clave del programa es el diseño de soluciones matemáticas para problemas de procesamiento de señales e imágenes, que tengan en cuenta las especificidades físicas de estos datos y adapten la implementación numérica de estas soluciones al contexto de la aplicación, la cantidad de datos y los recursos computacionales disponibles.

El programa de estudio dura dos años académicos, denotado por M1 y M2. El procesamiento de señales e imágenes es una de las cinco especialidades disponibles en el flujo de Control y Robótica. Algunos de los cursos M1 se imparten en las cinco especialidades, mientras que los cursos M2 son específicos de especialización. Ver el contenido del curso para más detalles.

El idioma de instrucción es inglés a lo largo de los dos años.

Plan de estudios

Contenido del curso - M1

30 Créditos ECTS por semestre.

Cursos del semestre de otoño ECTS Cursos del semestre de primavera ECTS
Electrónica incorporada 6 Proyecto de grupo 5
Control de sistemas lineales multivariables + 5 Análisis espectral y de frecuencia de tiempo y filtrado de señal 5
Sistemas en tiempo real + 5 Arquitectura de Software para Robótica + 5
Procesamiento de señal + 5 Robots móviles + 5
Programación Avanzada de Robots + 5 Inteligencia Artificial + 4
Visión por Computadora + 5 Técnicas de optimización + 5
Lenguas modernas 4 Teoría de control no lineal + x 5
Lenguas modernas 4

+ Cursos electivos

NB El contenido del curso puede estar sujeto a cambios menores

Contenido del curso - M2

30 Créditos ECTS por semestre.

Cursos del semestre de otoño ECTS Cursos del semestre de primavera ECTS
Procesamiento estadístico de la señal y teoría de la estimación 4 Tesis de maestría / Prácticas 30
Representaciones digitales de señales e imágenes 4
Aprendizaje automático, análisis de datos y recuperación de información 4
Restauración de señales e imágenes, métodos de inversión 4
Métodos avanzados de optimización y Monte-Carlo 4
Sistemas y métodos de detección biomédica 4
Proyecto 2
Lenguas modernas 4

Ejemplos de pasantías previas en medicina:

  • Análisis de señales electromiográficas para la caracterización de enfermedades neuromusculares.
  • Reconstrucción de imágenes de tomografía por emisión de positrones en el contexto de bajas estadísticas.
  • Mejora de la resolución en imágenes por resonancia magnética para diagnóstico cardiovascular.

Ejemplos de pasantías previas en la industria:

  • Optimización de un sistema de monitoreo de presión de neumáticos en un vehículo automotriz.
  • Algoritmo rápido de imágenes para microscopía de iluminación estructurada.

Ejemplos de pasantías previas en laboratorios de investigación:

  • Optimización numérica para recuperación de señal de ultrasonidos dispersa.
  • Análisis y clasificación de sonidos ambientales utilizando métodos de aprendizaje profundo.
  • NB El contenido del curso puede estar sujeto a cambios menores.

habilidades desarrolladas

  • Establecer un modelo estadístico relevante para la representación y análisis de datos.
  • Proponer una solución metodológica y su implementación numérica adecuada para el contexto de la aplicación.
  • Adquiera un sólido historial en aplicaciones de procesamiento de señales e imágenes de la vida real en investigación e innovación.

Además de las habilidades específicas de especialización anteriores, los estudiantes también desarrollarán habilidades más generales:

  • Identificar modelos, realizar simulaciones y analizar resultados.
  • Emprender una encuesta de literatura de trabajos existentes sobre un problema científico.
  • Comunique resultados completos de una manera significativa.
  • Administrar y supervisar proyectos de investigación e innovación.

Perspectivas de empleo o estudio adicional:

  • Sectores: salud, comunicación, tecnología, transporte.
  • Campos: ingeniería biomédica, imagen industrial, ingeniería de audio, informática, matemáticas aplicadas, investigación e innovación.
  • Posiciones: analista de datos, investigador científico, ingeniero de procesos, ingeniero de diseño, ingeniero de investigación e innovación (post Ph.D.).

Facultad e instalaciones de investigación

Este Máster cuenta con la facultad de Centrale Nantes y las instalaciones de investigación del Laboratorio LS2N.

Asociaciones

Total, Renault, Hospital Universitario de Nantes (CHU).

Última actualización marzo 2020

Acerca del centro educativo

Founded in 1919, Centrale Nantes (ECN) is among the top higher education and research institutions in France in Science & Engineering. Its purpose is to develop top-level scientists & engineer ... Leer más

Founded in 1919, Centrale Nantes (ECN) is among the top higher education and research institutions in France in Science & Engineering. Its purpose is to develop top-level scientists & engineers in multidisciplinary and specific fields from 2150 students per year in engineering track (5 years), Master Degrees and PhDs. International development is at the heart of the strategic policy of Centrale Nantes: 100% of its engineering students are going abroad and 30% of the campus population is international. Leer menos