zurück zur Suche

Advanced Remote Sensing

ED110143Electives5 ECTSEnglischSommersemesterLehrstuhl für Methodik der Fernerkundung (Prof. Busam komm.)
KI-überarbeitetes Infoblatt. Auf Basis der TUMonline-Modulbeschreibung, sprachlich aufbereitet.Original in TUMonline

Worum geht's

Du lernst Grundlagen und fortgeschrittene Methoden der Fernerkundung und des maschinellen Lernens kennen. Dazu gehören überwachte und unüberwachte Verfahren für Regression und Klassifikation, neuronale Netze/Deep Learning sowie Grundlagen der Mikrowellenfernerkundung und Synthetic Aperture Radar (SAR). Am Ende kannst du passende ML-Methoden auswählen und auf praxisnahe Fernerkundungsprobleme anwenden sowie grundlegende SAR‑Methoden erklären.

Was du danach kannst

  • Verstehen der Grundlagen der Maschinelle-Lernen-Theorie
  • Analysieren von Potenzialen und Grenzen verschiedener Methoden
  • Anwenden moderner Machine-Learning-Konzepte auf reale Probleme
  • Erklären grundlegender Methoden und Anwendungen von Synthetic Aperture Radar

Aus was das Modul besteht

  • Vorlesung mit integrierten ÜbungenVermittlung von Systemtheorie und Machine-Learning-Grundlagen; theoretische Inhalte und Diskussionen
  • Vorlesung Einführung SAREinführung in SAR-Fernerkundung und deren Anwendungen
  • Übung/LaborNumerische Übungen mit MATLAB und Python; Bearbeitung als Hausaufgaben mit Zwischenberichten

Lehrmethode

  • Vortrag/PräsentationEinführung und Erklärung der theoretischen Inhalte
  • Diskussion und praktische BeispieleFördert vertieftes Auseinandersetzen mit aktuellen Themen
  • Übungsaufgaben und HausarbeitenFestigen des Verständnisses durch praxisnahe Problemlösung
  • Laborexercises in MATLAB und PythonAnwenden und Umsetzen der Methoden an numerischen Beispielen
Keine Termine im laufenden Semester
Für dieses Modul liegen im aktuellen Semester keine Kurstermine vor, oder die Zuordnung fehlt noch.

Modulbewertungen

Noch keine Bewertungen für dieses Modul.

Modul bewerten

Fülle nur die Kategorien aus, die du beurteilen kannst – je Kategorie entweder Sterne und Text zusammen oder gar nichts.

Vorlesung
Übung
Prüfung

Bewertungen werden vor der Veröffentlichung automatisch geprüft.

Offizielle Seite in TUMonline · Angaben unverbindlich.