LABORATORY OF COMPUTER VISION FOR DIGITAL HUMANITIES

Il corso "Laboratory of Computer Vision for Digital Humanities" ha lo scopo di colmare il divario tra le tecnologie all'avanguardia di visione artificiale e apprendimento automatico e il dominio interdisciplinare delle Scienze Umanistiche Digitali. Si propone di fornire agli studenti del Master in Scienze Umanistiche Digitali le conoscenze e le competenze pratiche necessarie per utilizzare la visione artificiale nella ricerca e nell'analisi di dati digitali complessi.

Questo corso fornisce agli studenti una solida comprensione fondamentale dell'apprendimento automatico, con un'enfasi sulle sue applicazioni all'interno delle Scienze Umanistiche Digitali, fornendo loro anche competenze di base nel trattamento efficiente dei dati visivi attraverso l'elaborazione delle immagini. L'obiettivo principale di questo corso è quello di abilitare gli studenti ad applicare le loro conoscenze a scopi pratici nel campo delle Scienze Umanistiche Digitali. In particolare, gli studenti impareranno la creazione di dati di riferimento per l'apprendimento supervisionato, l'implementazione di algoritmi di visione artificiale, l'interpretazione e valutazione dei loro risultati, e il preprocessing efficace dei dati.

Alla fine di questo corso, gli studenti acquisiranno una comprensione completa sia degli aspetti tecnici dei metodi più comuni di visione artificiale sia delle loro applicazioni pratiche nel dominio delle Scienze Umanistiche Digitali attraverso l'implementazione pratica tramite codice. Inoltre, acquisiranno competenze nell'utilizzo di strumenti preconfezionati per varie applicazioni nelle Scienze Umanistiche Digitali.

Programmazione di base in Python, statistica di base e familiarità con Jupyter Notebooks.

Il programma è provvisorio e potrebbe subire modifiche. I suoi contenuti potrebbero includere una selezione dei seguenti argomenti potenziali:

Technical content:
- Introduction to Machine Learning
- Introduction to Neural networks
- Image classification using Convolutional Neural Networks
- Detection of faces, or objects in images using neural networks
- Digitization of written sources (OCR & Handwritten Text Recognition)
- Machine learning for automatic text analysis: Text classification and authorship analysis
- Art generation from text prompts, inpainting, outpainting (if time allows)
- Introducing Off-the-shelf Tools for DH Research

Possible Lab practices:
- Preparation of a dataset and binary classification of it
- Style classification of paintings
- Face or object detection in art images
- Classifying ancient coins
- Using CNNs to study/classify digitised historical newspapers
- DNN for detection of texts in historical maps
- Page segmentation for historical document images
- Handwritten recognition from archive documents

Lecture notes and tutorials on computer vision on the internet.
Two relevant textbooks:
- Pixels & Paintings: Foundations of Computer-assisted Connoisseurship, David G. Stork, 2023
- Computational Formalism, Amanda Wasielewski, 2023

I metodi di valutazione includeranno esami scritti/orali, compiti e un progetto di gruppo per incoraggiare gli studenti ad applicare le proprie conoscenze a sfide delle Scienze Umanistiche Digitali del mondo reale.

Lezioni teoriche descriveranno i vari concetti e metodi; apprendimento attivo e discussioni aperte.

Inglese

scritto e orale