Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Biometria w kryminalistyce
Tok studiów:
2019/2020
Kod:
CChK-2-110-s
Wydział:
Inżynierii Materiałowej i Ceramiki
Poziom studiów:
Studia II stopnia
Specjalność:
-
Kierunek:
Chemia w Kryminalistyce
Semestr:
1
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma studiów:
Stacjonarne
Strona www:
 
Prowadzący moduł:
Brożek-Płuska Beata (beata.brozek-pluska@p.lodz.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Przedstawienie metodyk stosowanych w identyfikacji osób, dokonywanej na podstawie śladów pozostawianych na miejscu przestępstwa oraz na podstawie informacji stanowiącej materiał dowodowy, zarejestrowanej w formie zdjęć, nagrań dźwięku i nagrań wideo. Prezentacja podstawowych metod weryfikacji hipotez statystycznych.

Opis efektów uczenia się dla modułu zajęć
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Powiązania z KEU Sposób weryfikacji i oceny efektów uczenia się osiągniętych przez studenta w ramach poszczególnych form zajęć i dla całego modułu zajęć
Wiedza: zna i rozumie
M_W001 Po zakończeniu kształcenia student rozumie istotę procedur identyfikacji osób bazujących na obrazach twarzy, wzorach linii papilarnych i śladach DNA. ChK2A_W03 Kolokwium
M_W002 Student zna matematyczne podstawy wybranych algorytmów klasyfikacji danych ChK2A_W03 Kolokwium
M_W003 Zna metody statystycznej weryfikacji hipotez w odniesieniu do przeprowadzonej analizy biometrycznej ChK2A_W02, ChK2A_W03 Kolokwium
M_W004 Student zna wybrane metody wyboru cech opisujących dane biometryczne ChK2A_W03 Kolokwium
Umiejętności: potrafi
M_U001 Stosuje zasady bezpieczeństwa i higieny pracy zalecane w środowisku laboratoryjnym ChK2A_U11 Wykonanie ćwiczeń laboratoryjnych,
Aktywność na zajęciach
M_U002 Potrafi oceniać i krytycznie analizować sposób funkcjonowania istniejących rozwiązań technicznych ChK2A_U06 Wykonanie ćwiczeń laboratoryjnych,
Aktywność na zajęciach
Liczba godzin zajęć w ramach poszczególnych form zajęć:
SUMA (godz.)
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
60 30 0 30 0 0 0 0 0 0 0 0
Matryca kierunkowych efektów uczenia się w odniesieniu do form zajęć i sposobu zaliczenia, które pozwalają na ich uzyskanie
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Forma zajęć dydaktycznych
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Wiedza
M_W001 Po zakończeniu kształcenia student rozumie istotę procedur identyfikacji osób bazujących na obrazach twarzy, wzorach linii papilarnych i śladach DNA. + - + - - - - - - - -
M_W002 Student zna matematyczne podstawy wybranych algorytmów klasyfikacji danych + - + - - - - - - - -
M_W003 Zna metody statystycznej weryfikacji hipotez w odniesieniu do przeprowadzonej analizy biometrycznej + - + - - - - - - - -
M_W004 Student zna wybrane metody wyboru cech opisujących dane biometryczne + - + - - - - - - - -
Umiejętności
M_U001 Stosuje zasady bezpieczeństwa i higieny pracy zalecane w środowisku laboratoryjnym - - + - - - - - - - -
M_U002 Potrafi oceniać i krytycznie analizować sposób funkcjonowania istniejących rozwiązań technicznych - - + - - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 108 godz
Punkty ECTS za moduł 4 ECTS
Udział w zajęciach dydaktycznych/praktyka 60 godz
Przygotowanie do zajęć 15 godz
Samodzielne studiowanie tematyki zajęć 30 godz
Egzamin lub kolokwium zaliczeniowe 2 godz
Dodatkowe godziny kontaktowe 1 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (30h):

1 Wprowadzenie: terminologia, uwarunkowania analizy biometrycznej , miary stosowane w ocenie działania systemów biometrycznych
2 Metodologia rozpoznawania biometrycznego: wyznaczanie ilościowej reprezentacji cech biometrycznych (biometryk) – selekcja/ekstrakcja, budowa modeli klas i klasyfikacja (metody minimalnoodległościowe, sieci neuronowe)
3. Metodyki rozpoznawania linii papilarnych: analiza bazująca na punktach charakterystycznych oraz analiza bazująca na polach orientacji
4. Metodyki rozpoznawania twarzy: metoda twarzy własnych, analiza z wykorzystaniem konwolucyjnych sieci neuronowych
5. Metodyka rozpoznawania śladów DNA.
6. Weryfikacja hipotez statystycznych w odniesieniu do zagadnień biometrii.

Ćwiczenia laboratoryjne (30h):
Klasyfikacja danych

Przedstawienie elementarnej metodyki klasyfikacji danych, bazującej na przyjęciu odległości, określonej w przestrzeni cech, jako podstawy ocena podobieństwa sprawdzanych próbek do modeli klas. Prezentacja metody k-NN klasyfikacji danych oraz metody selekcji cech istotnych z wykorzystaniem współczynników Fishera.

Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: Wykład wykorzystujący techniki multimedialne
  • Ćwiczenia laboratoryjne: Ćwiczenia wykorzystujące narzędzia programistyczne
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Kolokwia obejmujące kolejne partie materiału.

Zasady udziału w zajęciach:
  • Wykład:
    – Obecność obowiązkowa: Nie
    – Zasady udziału w zajęciach: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości.
  • Ćwiczenia laboratoryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Studenci wykonują ćwiczenia laboratoryjne zgodnie z materiałami udostępnionymi przez prowadzącego.
Sposób obliczania oceny końcowej:

Średnia z ocen uzyskanych z kolokwiów

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Samodzielna praca studentów rozliczana kolokwium w terminie dodatkowym

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Podstawowa znajomość algebry i analizy matematycznej.

Zalecana literatura i pomoce naukowe:

Krzysztof Ślot: “Wybrane zagadnienia biometrii”, Wydawnictwa Komunikacji I Łączności, Warszawa, 2008

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

1. Adhikari S., Yang C., Slot K., Strzelecki M, and Kim H.: Hybrid No-Propagation Learning for Multilayer Neural Networks, Neurocomputing, 321 (2018) 28–35; on-line Sept. 2018, https://doi.org/10.1016/j.neucom.2018.08.034 (lista A – 2018-30 p., IF: 3.126)

2. Adhikari S., Yang C., Slot K., and Kim H.: ‘Accurate Natural Trail Detection Using a Combination of a Deep Neural Network and Dynamic Programming’, Sensors, 18(1), 178, 2018. doi: 10.3390/s18010178 (lista A – 2018-30 p., IF: 2.677) 3. Adamiak K., Ślot K.: ‘Misclassification-Driven Sample Relabeling for Supervised Kernel Principal Component Analysis’, Schedae Informaticae Vol. 25 (2016): 25–35, doi: 10.4467/20838476SI.16.002.6183 (wykaz B, 2016-11p.)

4. Ślot K., Adamiak K., Duch P., Żurek D.: “Supervised Kernel Principal Component Analysis by Most Expressive Feature Reordering”, Journal of Telecommunications and Information Technology, vol. 2, 3-10, 2015 (wykaz B, 2015-15p.)

5. Ślot K., Cichosz J., Bronakowski Ł., Kim H.: “Application of Poincare-Mapping of Voiced-Speech Segments for Emotion Sensing”, Sensors vol. 9 (12), 9858-9872, 2009 (SCIE)

Informacje dodatkowe:

Brak